开放知识库：Wikidata、DBpedia 等

第 17 章 · 知识图谱

一、Wikidata 的结构与查询

Wikidata 是维基媒体基金会维护的协作式、多语言知识库，实体用 Q 编号（如 Q937 表示爱因斯坦）、属性用 P 编号（如 P569 出生日期）。每个实体有多个语句（Statement）：每条语句由「属性 + 值」组成，可带限定符（Qualifier）（如时间范围、来源）和引用（Reference）。值可以是实体、数量、时间、坐标、字符串等；支持多值（同一属性多个取值）与排名（preferred / normal / deprecated）。

查询方式：Wikidata Query Service（WDQS） 提供基于 SPARQL 的端点，数据通过 Wikibase 模型映射为 RDF（如 wd:Q937 wdt:P569 "1879-03-14"）；也可用官方 API（api.wikidata.org） 按实体 ID 或搜索获取 JSON。多语言标签与描述便于做实体链接与展示。

二、DBpedia 抽取与本体

DBpedia 是从各语言 Wikipedia 中自动抽取而成的知识库：利用 Infobox、分类、链接、摘要等结构化或半结构化信息，通过抽取模板与规则生成 RDF 三元组。实体 URI 通常按语言与页面命名（如 dbpedia.org/resource/Albert_Einstein），便于与维基页面一一对应。

DBpedia 本体定义类（如 Person, Place, Organisation）与属性（如 birthDate, birthPlace）；与 Wikipedia 信息框字段和类别对应，并逐步与 Wikidata 等对齐。提供SPARQL 端点、数据集下载（按语言或本体划分）、以及 Linked Data 访问。DBpedia 适合做实体链接的 target、与维基文本结合做问答，或作为开放图谱的骨干与自建 KG 做实体对齐。

三、YAGO、Freebase 等

YAGO 结合 Wikipedia、Wikidata 与 WordNet：实体与类别层次来自维基与 WordNet，事实来自维基抽取与 Wikidata，强调类型一致性与高质量，常用于学术评测与实体类型推断。

Freebase 曾是由 Metaweb 创建、后被 Google 收购的开放知识库，后与 Google Knowledge Graph 整合；Freebase 数据已停更，但历史 dumps 仍可做研究或迁移参考；许多实体可与 Wikidata 通过 sameAs 或社区映射关联。

其他开放 KG 包括：Wikidata（协作、多语言、持续更新）；DBpedia（维基抽取、多语言、SPARQL）；YAGO（类型严谨、融合维基与 WordNet）；ConceptNet（常识关系、多语言）；BabelNet（多语言词网与百科融合）。选型时需考虑领域覆盖、语言、许可、更新频率与接口形式。

四、如何复用开放 KG 与自建 KG 的融合

复用方式可归纳为：直接查询——用 SPARQL 或 API 做问答、补全、推荐；实体链接目标——将文本中的指称链到 Wikidata/DBpedia 等实体 ID；种子与迁移——用开放 KG 的实体与关系做冷启动、或作为抽取/对齐的种子；与自建 KG 融合——通过实体对齐（如 sameAs、等价类）与 schema 映射，把开放 KG 作为外部层或与业务图做联合存储与推理。

融合注意点：实体对齐——用名称、别名、属性或嵌入做跨图实体匹配，建立等价链接；Schema 映射——将开放 KG 的类/属性映射到自建本体，或统一用公共本体；增量与同步——开放 KG 持续更新，可定期拉取 dumps 或通过 API 增量同步；许可与合规——Wikidata 等多为 CC0，DBpedia 等有 ODbL 等条款，商业使用前需确认许可与归属。

五、小结

开放知识库如 Wikidata、DBpedia、YAGO 提供多语言、大规模、可查询的 KG。Wikidata 以 Item/Statement/Value 与 WDQS/API 为主；DBpedia 从 Wikipedia 抽取 RDF 与本体。复用可采取直接查询、实体链接、种子数据或与自建 KG 融合；融合时需实体对齐、Schema 映射、增量与许可。下一章讲图数据库与三元组存储：Triple Store 与图数据库的定位，以及 Virtuoso、Blazegraph、Neo4j 等存储模型与索引。