文本中实体引用的 rdf 表示

Question

考虑这样一个句子：

约翰·史密斯前往华盛顿。

在美好的一天，姓名标签会将“约翰·史密斯”识别为一个人，将“华盛顿”识别为一个地方。然而，如果没有其他证据，它无法分辨出世界上所有可能的“约翰·史密斯”中的哪一个，甚至无法分辨出各种“华盛顿”中的哪一个。

最终，某些解决过程可能会根据其他证据做出决定。然而，在那之前，在 RDF 中表示这些引用的良好实践是什么？在某个命名空间中为它们分配唯一的标识符？制作空白元组（例如“文档 d 中引用了某个名为 John Smith 的人”。）？还有其他选择吗？我的一本书给出了一个涉及匿名气象站的例子，但我不太明白他们的例子如何与所描述的 RDF 的其他内容相适应。

Answer 1

在您自己的命名空间中为它们分配唯一的标识符。如果您后来发现这个“华盛顿”与 http://dbpedia.org/resource 相同/Washington,_D.C.，或者其他什么，你可以添加一个 owl:sameAs 来断言。

Answer 2

首先，您可以使用现有的良好服务进行实体识别，例如 OpenCalais、Zemanta 和 炼金术< /a>.

更具体地说，是的，只需为每件事“铸造”你自己的 URI（标识符），然后讨论它们 - 在turtle中提供此信息的表示

@prefix : <http://yourdomain.com/data/> .
@prefix myont: <http://yourdomain.com/ontology/> .
@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix dbpedia-owl: <http://dbpedia.org/ontology/Place>.
@prefix foaf: <http://xmlns.com/foaf/0.1/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .

:John_Smith#d rdf:type foaf:Person ;
  foaf:name "John Smith"@en .

:Washington#d rdf:type dbpedia-owl:Place ;
  rdfs:label "Washington"@en .

:John_Smith#d myont:travelled_to :Washington#d .

<http://yourdomain.com/some-doc#this> rdf:type foaf:Document ;
  dcterms:references :John_Smith#d, :Washington#d .

，如果你稍后将它们匹配，那么你可以使用 owl：正如格伦·麦克唐纳提到的那样。

Answer 3

可能与您阅读 Apache Stanbol 如何执行此操作相关： http:// stanbol.apache.org/docs/trunk/components/enhancer/enhancementstruct.html

Answer 4

您可以按照上面的讨论创建自己的 URI，也可以使用空白节点。两种方法各有利弊：

URI 具有外部标识，因此您可以在将来的查询中明确引用您的概念，这可以使某些查询变得更加简单；但是，它们具有外部身份，因此用于构建 URI 的算法成为基础设施的关键部分，并且您必须保证它们既稳定又唯一。起初这可能是微不足道的，但是当您开始处理在不同时间（通常是并行）并且在分布式系统上重新处理的多个文档时，它很快就不再是简单的了。

空白节点是专门为了解决这个问题而引入的，它们的唯一性由它们的范围保证；但是，如果您需要在查询中显式引用空白节点，您将需要使用非标准扩展，或者找到某种方法来表征该节点。

在这两种情况下，尤其是如果您使用空白节点，您应该包含出处声明来描述它。

@nathan 的例子是一个很好的理解这个想法的例子。

因此，使用空白节点的示例可能是：

@prefix my: <http://yourdomain.com/2010/07/20/conceptmap#> .
@prefix proc: <http://yourdomain.com/2010/07/20/processing#> .
@prefix prg: <http://yourdomain.com/processors#> .

@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix xsd: <http://www.example.org/> .
@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix foaf: <http://xmlns.com/foaf/0.1/> .
@prefix doc: <http://yourdomain.com/doc-path/> .

_:1 rdf:type proc:ProcessRun ; 
    proc:parser prg:tagger ;
    proc:version "1.0.2" ;
    proc:time "2010-07-03 20:35:45"^^<xsd:Timestamp> ;
    proc:host prg:hostname-of-processing-node ;
    proc:file doc:some-doc#line=1,;md5=md5_sum_goes_here,mime-charset_goes_here ;

_:2 rdf:type foaf:Person ;
    foaf:name "John Smith"@en ;
    proc:identifiedBy _:1 ;
    proc:atLocation doc:some-doc#char=0,9 .


_:3 rdf:type owl:Thing ;
    foaf:name "Washington"@en ;
    proc:identifiedBy _:1 ;
    proc:atLocation doc:some-doc#char=24,33 .

<http://yourdomain.com/some-doc#this> rdf:type foaf:Document ;
                                      dcterms:references _:2, _:3 .

请注意，使用 rfc5147 文本/纯片段标识符来唯一标识正在处理的文件，这为您提供了如何识别各个运行的灵活性。另一种方法是在文档根的 URI 中捕获所有这些内容，或者完全放弃出处。

@prefix : <http://yourdomain.com/ProcessRun/parser=tagger/version=1.0.2/time=2010-07-03+20:35:45/host=hostname-of-processing-node/file=http%3A%2F%2Fyourdomain.com%2Fdoc-path%2Fsome-doc%23line%3D1%2C%3Bmd5%3Dmd5_sum_goes_here%2Cmime-charset_goes_here/$gt; .

@prefix my: <http://yourdomain.com/2010/07/20/conceptmap#> .
@prefix proc: <http://yourdomain.com/2010/07/20/processing#> .
@prefix prg: <http://yourdomain.com/processors#> .

@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix xsd: <http://www.example.org/> .
@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix foaf: <http://xmlns.com/foaf/0.1/> .
@prefix doc: <http://yourdomain.com/doc-path/some-doc#> .

:1 rdf:type proc:ProcessRun ; 
    proc:parser prg:tagger ;
    proc:version "1.0.2" ;
    proc:time "2010-07-03 20:35:45"^^<xsd:Timestamp> ;
    proc:host prg:hostname-of-processing-node ;
    proc:file doc:some-doc#line=1,;md5=md5_sum_goes_here,mime-charset_goes_here ;

:2 rdf:type foaf:Person ;
    foaf:name "John Smith"@en ;
    proc:identifiedBy :1 ;
    proc:atLocation doc:some-doc#char=0,9 .


:3 rdf:type owl:Thing ;
    foaf:name "Washington"@en ;
    proc:identifiedBy :1 ;
    proc:atLocation doc:some-doc#char=24,33 .

<http://yourdomain.com/some-doc#this> rdf:type foaf:Document ;
                                      dcterms:references :2, :3 .

您会注意到 foaf:name 具有 owl:Thing 的范围，因此它可以应用于任何内容。另一种方法可能是使用 skos:Concept 和 rdfs:label 作为专有名词。

空白节点与 URI 的最后一个考虑因素是，您使用的任何数据存储最终都必须存储您使用的任何 URI，如果您使用非常大的数据集，这可能会对性能产生影响。

最终，如果我要在图中发布出处信息以及最终的统一实体，我会倾向于使用空白节点并将 URI 分配给我最终统一实体的概念。

然而，如果我不打算跟踪推论的出处，并且这只是管道中的多次传递中的一个，最终会丢弃中间结果，那么我只会使用某种文档哈希、时间戳和 id 来创建 URI并完成它。

@prefix : <http://yourdomain.com/entities#> .
@prefix my: <http://yourdomain.com/2010/07/20/conceptmap#> .

@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix foaf: <http://xmlns.com/foaf/0.1/> .

:filename_timestamp_1 rdf:type foaf:Person ;
                      foaf:name "John Smith"@en .

:filename_timestamp_2 rdf:type owl:Thing ;
    foaf:name "Washington"@en .

<http://yourdomain.com/some-doc#this> rdf:type foaf:Document ;
                                      dcterms:references :2, :3 .