python - 为 RDF 中的 WordNet 数据选择 namespace 前缀

Question

我想将一行文本转换为 N3 格式，以便最终将它们更改为 RDF。文本文件的每一行都有一个条目，如下所示:

09827177 18 n 03 贵族 0 blue_blood 0 贵族 0 013 @ 09646208 n 0000 #m 08404938 n 0000 + 01594891 a 0306 + 01594891 a 0102 ~ 09860027 n ~ n 080202 ~ 40 09 03592 0000 ~ 10194721 0000 ~ 10304832 n 0000 ~ 10492384 n 0000 ~ 10493649 n 0000 ~ 10525325 n 0000 ~ 10526235 n 0000 |贵族的一员

我试图从上面的语句中生成三元组，所以它们看起来像下表。

  Subject        Predicate           Object
(synset_offset)  

  09807754       lex_filenum           18
  09807754       ss_type               n
  09807754       lexical_entry     aristocrat
  09807754       lexical_entry     blue_blood
  09807754       lexical_entry     patrician
  09807754       has_pointer       09623038
  09623038       ss_type               n
  09623038       source_target        0000
  09807754       description    a member of aristocracy

我已经能够使用这个从文本的每一行中读取大部分变量:

f = open("wordnetSample.txt", "r")
for line in f:
    L = line.split()
    L2 = line.split('|')
    synset_offset = L[0]
    lex_filenum = L[1]
    ss_type = L[2]
    word = (L[4:4 + 2 * int(L[3]):2])
    gloss = (L2[1].split('\n')[0])

我遇到的问题是我不知道要使用什么命名空间或类似的东西。我对这种格式化风格和一般的 python 都不熟悉。我一直在研究，感觉应该是这样的:

'''<http://example.org/#'''+synset_offset+'''> <http://xmlns.com/foaf/0.1/lex_filenum> '''+lex_filenum+''' .

我还被告知 Turtle 表示法可能是更好的选择，但我就是无法理解它。

Answer 1

在 RDF 中，资源和属性由 IRI 标识。如何选择资源和属性 IRI 完全取决于您。如果您拥有自己的域名，则可以选择使用基于该域名的 IRI。如果您从其他地方提取数据，并且使用基于该名称的名称是有意义的，您可以选择使用基于该名称的 IRI。如果某些资源或属性已在某处由 IRI 标识，尝试重用它们总是好的，但找到它们并不总是那么容易。

在您的情况下，数据来自 WordNet，您可能应该对 W3C 工作草案非常感兴趣，RDF/OWL Representation of WordNet .我不知道其中的方法和命名空间是否已被广泛采用，但这种方法肯定是您可以从中学习的东西。例如

Each instance of Synset, WordSense and Word has its own URI. There is a pattern for the URIs so that (a) it is easy to determine from the URI the class to which the instance belongs; and (b) the URI provides some information on the meaning of the entity it represents. For example, the following URI

http://www.w3.org/2006/03/wn/wn20/instances/synset-bank-noun-2

is a NounSynset. This NounSynset contains a WordSense which is the first sense of the word "bank". The pattern for instances of Synset is: wn20instances: + synset- + %lexform%- + %type%- + %sensenr%. The %lexform% is the lexical form of the first WordSense of the Synset (the first WordSense in the Princeton source as signified by its "wordnumber", see Overview of the WordNet Prolog distribution). The %type% is one of noun, verb, adjective, adjective satellite and adverb. The %sensenr% is the number of the WordSense that is contained in the synset. This pattern produces a unique URI because the WordSense uniquely identifies the synset (a WordSense belongs to exactly one Synset).

该架构还为 WordNet 架构定义了许多属性。您可能应该尽可能重用这些 IRI。