从 Freebase 转储中提取别名

Question

我已经从 https://developers.google.com/freebase/data?hl=en 下载了 Freebase 转储，但我对文件的关系感到困惑。

我知道转储的格式是 <subject> <predicate> <object> .。如果我想提取Freebase的别名子集，比如http://www.freebase.com/common/topic/alias?instances&lang=en，我该怎么做？我试图过滤包含 mid 或 '/common/topic/alias' 的行，但结果不是我想要的。

有没有解析Freebase的库？谢谢！

跟进：

我还有两个问题。

freebase 中是否有显示所有命名空间的列表？（例如 type.object.name 是对象的名称）
如何提取所有'type of (IS A)'关系？（例如 C++ 是一种编程语言）

Answer 1

Freebase 数据转储是 RDF，因此任何 RDF 解析库都应该可以，但 zgrep 会快很多。一个小小的转折是 Freebase 属性 /common/topic/alias 的谓词是 <http://rdf.freebase.com/ns/common.topic.alias>，斜杠转换为 periods/dots.

要仅过滤英文别名，您可以使用如下命令：

$ zgrep -E "common.topic.alias>.*@en\t\.$" freebase-rdf-2015-04-19-00-00.gz

这将为您提供如下输出：

<http://rdf.freebase.com/ns/m.0100c5g>  <http://rdf.freebase.com/ns/common.topic.alias> "Pulska yo"@en  .
<http://rdf.freebase.com/ns/m.0101107q> <http://rdf.freebase.com/ns/common.topic.alias> "Unforgiven 2002"@en    .
<http://rdf.freebase.com/ns/m.01016v4g> <http://rdf.freebase.com/ns/common.topic.alias> "Ain't Nuthin' But A \"G\" Thang, Rene"@en  .
...

如果你想要所有语言的别名，你可以使用：

$ zgrep -E "common.topic.alias>" freebase-rdf-2015-04-19-00-00.gz

从 Freebase 转储中提取别名

Extract alias from Freebase dump

alias

freebase