SPARQL 维基数据。如何只选择维基媒体数据库并避免笔记重复？

Question

我是使用 SPARQL for wikidata 的初学者。我用它来通过代码获取具有特定死亡日期的人的数据列表：

SELECT ?human ?humanLabel ?humanDescription ?gender ?birth_date ?death_date ?bplace ?dplace ?img ?prof ?profLabel ?article WHERE {
  ?human wdt:P31 wd:Q5;
    wdt:P18 ?img;
    wdt:P19 ?bplace;
    wdt:P20 ?dplace;
    wdt:P21 ?gender;
    wdt:P569 ?birth_date;
    wdt:P570 ?death_date;
    #rdfs:label ?name;
    #schema:description  ?description;
    wdt:P106 ?prof.
  ?article schema:about ?human .  
  ?article schema:inLanguage "en".
  FILTER (year(?death_date) = 2020)
  #FILTER(!REGEX(STR(?article), "^<https://en.wikipedia.org/"))
  SERVICE wikibase:label {bd:serviceParam wikibase:language "en".}
}
ORDER BY ASC(?death_date)

Try it!

但是响应有一些重复（并且使响应更大）。此外，我只需要接收来自 en.wikipedia.org 文章的维基百科数据，但 FILTER(!REGEX(STR(?article), "^<https://en.wikipedia.org/")) 会使查询速度变慢。

我该如何解决？

Answer 1

您的查询有一些问题：

正如 Ainali 和 UninformedUser 所解释的，您应该使用 ?article schema:isPartOf <https://en.wikipedia.org/> . 而不是过滤，那样更快
查询搜索所有可能的条目标签和描述，这是非常低效的，最好封装您的查询并只为结果获取标签和描述（参见https://www.wikidata.org/wiki/Wikidata:SPARQL_query_service/query_optimization#Label_service）
按年份筛选效率不高，您可以在这里找到更好的方法：https://www.wikidata.org/wiki/Wikidata:SPARQL_query_service/query_optimization#Fixed_values_and_ranges

生成的查询运行时间不到 30 秒： https://w.wiki/UN8

一般来说，最好先写一个简单、快速的查询，给出所有结果，然后加载其他数据，最后加载标签和描述。

至于重复项，您的查询将创建行结果的所有可能组合。所以如果一个人在维基数据上有两个生日，你会得到两个，如果有多个职业，你会得到每个职业都有一个和另一个生日，因为这些可能是你查询的不同结果。如果你只想要一个人一次，你必须聚合其他行，例如到达最小值，将其分组等。

SPARQL 维基数据。如何只选择维基媒体数据库并避免笔记重复？

SPARQL WikiData. How to chose only wikipedia data base and avoid notes duplication?

database

wikipedia

sparql

wikidata