数据集概述
本数据集是通过wdumps工具生成的Wikidata RDF格式转储数据，包含实体、陈述和三元组相关的元数据及预览文件，共4个文件，覆盖JSON、NT、GZ等格式，可用于知识图谱相关的数据处理与分析场景。
文件详解
- 配置与元数据文件
- 文件名称：info.json
- 文件格式：JSON
- 字段映射介绍：包含id、wdtkVersion、toolVersion、dumpDate、tripleCount、entityCount、statementCount等字段，记录转储的基础信息
- 文件名称：wdumper-spec.json
- 文件格式：JSON
- 字段映射介绍：包含sitelinks、entities、labels、samplingPercent、meta、descriptions、version、aliases、statements等字段，定义转储的配置规范
- 数据文件
- 文件名称：preview.nt
- 文件格式：NT
- 字段映射介绍：Wikidata转储的预览数据文件，采用NT格式存储RDF三元组
- 文件名称：wdump-2049.nt.gz
- 文件格式：GZ
- 字段映射介绍：压缩格式的RDF转储数据文件，采用NT格式存储
适用场景
- 知识图谱构建：利用RDF格式的Wikidata数据构建或扩展知识图谱
- 数据格式转换研究：分析Wikidata从原生格式到RDF格式的转储规则与实现方式
- 知识图谱元数据管理：通过info.json和wdumper-spec.json文件管理转储数据的元信息与配置规范
- 大规模知识数据处理：基于压缩的GZ文件探索大规模知识图谱数据的存储与读取优化方案
