rdf - Freebase RDF 转储的 Jena 解析问题(2014 年 1 月)

Question

我正在尝试使用 Jena 解析 freebase 转储文件 freebase-rdf-2014-01-12-00-00.gz (25 GB)。
Jena 报告了许多关于不良数据的问题。
示例 - 150.0 无效，true 和 false 值无效
我通过在转储文件中在十进制和真/假周围添加双引号解决了这些问题。
然而问题仍在reported by Jena.(current - org.apache.jena.riot.RiotException: [line: 161083, col: 110] Illegal object: [MINUS])
有什么办法可以对这些数据进行预处理，这样我就不用一一解决每个问题了。
我的 Java 代码:

    // Open TDB dataset
    String directory = "D:/test_dump";
    Dataset dataset = TDBFactory.createDataset(directory);

    // Assume we want the default model, or we could get a named model here
    Model tdb = dataset.getDefaultModel();

    // Read the input file - only needs to be done once
    String source = "D:/test_dump/fixed-freebase-second-rdf.gz";
    FileManager.get().readModel( tdb, source, "N-TRIPLES" ); 

Answer 1

数据采用 Turtle 格式，而不是 N-Triples。他们使用各种海龟缩写(如 true 代表 "true"^^xsd:boolean 或数字 -27 代表 "-27"^^xsd:integer)。

可能仍然存在错误，因为它们的转储还包含非法语法，例如使用 $在没有必要的前缀名称中 \
在事物周围添加引号会改变 RDF。