知识卡片
维基页面导出不等于语义三元组
MediaWiki的XML导出主要保存页面、版本及维基文本,不能直接称为RDF或RDFS三元组。获取离线包后要先辨认格式、命名空间与版本范围,再决定解析页面还是读取结构化图;压缩后缀只说明压缩方式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 建设语言资源库
原书出处 · 1 处
- · 查看原书依据
最新的简体中文版维基百科数据资源可以从https://dumps.wikimedia.org/zhwiki/latest/下载。所有数据文件都使用bzip 2、gz或7-zip进行了压缩。解压后的文件主要有两种格式:xml和sql。xml文
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第07章《建设语言资源库》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00012.html)
- 结论依据:摘录中关于维基页面导出不等于语义三元组的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:最新的简体中文版维基百科数据资源可以从https://dumps.wikimedia.org/zhwiki/latest/下载。所有数据文件都使用bzip 2、gz或7-zip进行了压缩。解压后的文件主要有两种格式:xml和sql。xml文
- 补充核验:[MediaWiki导出保存页面与版本内容,而非直接导出RDF](https://www.mediawiki.org/wiki/Help:Export)。