关于百科知识图谱zhishime数据集的调研（解压后5G，支持循环多跳）

 

总结

发现zhishi.me数据集中的实体和实体间的关系如下所示：

1.  该数据集描述了不同百科网页之间的等价关系，以及同一个百科网页之间的重定向关系。

2.数据集存在多跳关系，根据尝试推断，数据集应该存在无限循环多跳关系。

3.数据解压后总大小：5G。

 

调研过程

下载数据集并解压后共3.3G:

 

进入文件夹：

先看sameAs文件夹：

6个文件大小约：950M

发现这些描述了三个百科网页之间的等价关系：

 

 

 

然后看其他三个文件夹：

如上图，baidubaike、hudongbaike（）、zhwiki（解压后1.77G）三个文件夹内的结构相似，容易推断 最后一个zip (zhwiki_instance_types_zh.zip)描述了isntance_types, 其余的abstracts、aliases、....  等描述属性或实体间关系。 之后尝试找出其中有可能描述关系的压缩包。

先打开zhwiki_instance_types_zh.zip，发现其定义了实体的类别：

然后打开其他压缩包：

发现2.0_zhwiki_redirects_zh.ttl 描述的页也是关系：

总结

发现zhishi.me数据集中的实体和实体间的关系如下所示：

1.  该数据集描述了不同百科网页之间的等价关系，以及同一个百科网页之间的重定向关系。

2.数据集存在多跳关系，根据常识推断，数据集应该存在无限循环多跳关系。

3.数据解压后总大小：5G。