数据集概述
本数据集是通过wdumps工具生成的Wikidata RDF转储文件，包含实体、陈述、三元组的结构化信息，以及转储工具版本、日期等元数据，共4个文件，用于测试文本稳健性相关研究与应用，支持知识图谱数据处理分析场景。
文件详解
- 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（工具版本）、toolVersion（工具版本）、dumpDate（转储日期）、tripleCount（三元组数量）、entityCount（实体数量）、statementCount（陈述数量）字段
- 配置文件
- 文件名称：wdumper-spec.json
- 文件格式：JSON
- 字段映射介绍：包含statements、descriptions、entities、languages、sitelinks、labels、version、meta、aliases字段，定义转储配置规则
- 压缩数据文件
- 文件名称：wdump-1001.nt.gz
- 文件格式：GZ（压缩格式）
- 字段映射介绍：压缩的N-Triples格式RDF数据文件，包含Wikidata实体三元组信息
- 预览数据文件
- 文件名称：preview.nt
- 文件格式：NT（N-Triples）
- 字段映射介绍：未压缩的N-Triples格式预览数据，展示Wikidata RDF数据结构样例
适用场景
- 知识图谱数据转储测试: 验证Wikidata RDF转储的文本稳健性，评估转储工具输出的完整性与一致性
- 元数据管理分析: 基于info.json分析转储工具版本、日期与数据量的关联，优化转储流程
- 数据格式兼容性研究: 测试N-Triples格式数据在不同系统中的解析与处理能力
- 知识图谱数据预处理: 利用转储数据开展实体抽取、三元组解析等预处理算法开发与验证
