RDF Refine(Open Refine + RDF Refine)使用笔记

2023-10-08 16:38
文章标签 使用 笔记 open refine rdf

本文主要是介绍RDF Refine(Open Refine + RDF Refine)使用笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

RDF Refine(Open Refine + RDF Refine)使用示例

Open Refine(原名 Google Refine)是一个用来管理杂乱数据,进行整理与扩展的工具。如今的最新版是2.5,beta版为2.6 beta。
本文使用Open Refine同时借助RDF Refine扩展,对一个图书管理csv文件进行整理与扩展操作。最后导出为RDF格式的语义数据。

Open Refine(used name: Gooele Refine)安装

官方网址:

https://github.com/OpenRefine/OpenRefine/wiki/Installation-Instructions#linux

1、下载对应平台的安装包

2、解压

3、运行(Linux下直接运行./refine)

4、输入127.0.0.1:3333即可访问Google Refine的网址

5、如果需要接收任何ip地址发出的请求,需要在命令行运行时输入./refine -i0.0.0.0

 

 

安装RDF Refine

http://refine.deri.ie/下载RDF Refine的extension包,放在Google Refine的webapp/extensions里面。重启Google Refine

在Project管理页面右上角看到下图所示RDF选项,说明加载成功。

 

增加reconciliation service

点击右上角RDF,选择Add reconciliationservice,在选择based on SPARQL

 

按照下图所示填写详细信息


注意Endpoint Type选择Virtuoso

在reconciliation结果的优化中可以对Label properties进行选择,可以选择other,然后手动键入URI

 

进行Reconciliation过程

如下图所示的上传内存中,我们点击name那里的下拉按钮,选择startreconciliation


然后选择DBpedia,经过一番计算与处理之后,中央的一个列表给出了一系列类型候选项。选择一项我们认为最为认可的type。

 

在持续了8分钟(具体耗时根据网络状况而定)的信息抽取与处理之后,pre-reconciliation终于给了我们一个列表:

 

我们选择dbo:Book这个类型,然后为了简便起见,直接点击StartReconciliation

 

这个提示框告诉我们reconciliation过程的进度

 

如下图所示,我们已经部分完成了reconciliation的过程


左侧边栏:


在name一栏有匹配到book name与未匹配到任何信息两类数据,exclude为删除对应的条目。

而下方的柱状图表可以用来拖拽,显示不同候选分值的条目用来显示。同时,点击change,我们可以对分值进行修改与自定义计算。

 

人工优化reconciliation结果


这里的两个勾选可以对user认为正确的条目进行确认。

 

在下面这个条目中有很多候选选项,本身的名字非常具有歧义性,所以需要用户进行更为细致的确认。

点击其中的候选项,查看详细信息。通过作者的匹配,基本上确认这本书在DBpedia中的具体条目。





 

同样对作者一栏进行reconciliation

 

结果中只有一个条目没有得到对应的匹配结果,我们选择新建这个条目


 

定义Schema信息

接下来定义schema信息


 

修改Base URI


 

添加主语属性:


 

添加类型信息:


点击这里的property修改谓语属性URI,先点击其中一个输入dc:title,点击确定加载,然后再相同操作输入一遍即可选择对应的谓语URI


 

修改后如下:



点击preview即可进行预览:


 

这里可以修改每一个宾语的类型信息。


 

添加一个property:

 

对添加的谓语所对应的宾语进行设置:


preview/edit对话框中,输入cell.recon.match.id


此时在预览框我们看到了和DBpedia中URI的对应关系:


 

添加另外一个属性:foaf:maker,同时选中Used As a URI

 

 

在预览框中我们可以看到新添加的内容:



我们点击OK,结束RDF Skeleton过程。

 

导出RDF文件

最后点击Export,选择RDF/XML,导出为RDF XML文件。

 

这篇关于RDF Refine(Open Refine + RDF Refine)使用笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/166613

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识