使用张量表示两个RDF三元组。如何使用Python编程这个建模过程？

关于用张量表示两个RDF三元组的问题

情景：

A用于表示有关资源、格式（主语、谓语、宾语）的简单语句

假设我有两个谓词，一个是play_for，另一个是race_for，每个谓词包含n个三元组，如下所示：

第一谓词：play_for；n个三元组： （雷·艾伦，为波士顿凯尔特人队效力），（科比·布莱恩特，为湖人队效力）。。。 简而言之，（A_i，play For，T_i）For i=1到n

第二谓词：race_for；n个三元组： （波士顿凯尔特人队，争夺NBA总冠军），（湖人队，争夺NBA总冠军）。。。 简言之，（T_i，比赛，NBA）i=1到n

张量表示是对2n三元组建模的一种方法。 我正在研究使用张量分解来发现数据集的潜在语义结构。第一步是用张量表示数据集

张量条目X_ijk=1表示存在一个关系（第i个实体、第k个谓词、第j个实体）。否则，对于不存在和未知的关系，条目将设置为零。例如，这2n个三元组可以用张量建模为：

 One slice:  (A_i, play for, T_i)

       A1, A2,...,An, T1, T2,...,Tn, NBA
 A1    0    0      0   1   0      0    0
 A2    0    0      0   0   1      0    0
 :
 An    0    0      0   0   0      1    0
 T1    0    0      0   0   0      0    0
 T2    0    0      0   0   0      0    0
 :
 Tn    0    0      0   0   0      0    0
 NBA   0    0      0   0   0      0    0

 The other slice: (T_i, race for, NBA)

      A1,  A2,...,An, T1, T2,...,Tn, NBA
 A1    0    0      0   0   0      0    0
 A2    0    0      0   0   0      0    0
 :
 An    0    0      0   0   0      0    0
 T1    0    0      0   0   0      0    1
 T2    0    0      0   0   0      0    1
 :
 Tn    0    0      0   0   0      0    1
 NBA   0    0      0   0   0      0    0

假设RDF三元组存储在“test.txt”中。我的问题是如何使用Python编程这个建模过程

以下是我的想法：

最困难的是如何得到与张量中非零位置相对应的RDF三重坐标。 首先，这里是一个包含所有实体的列表：

T = ['A1',...,'An','T1',...'Tn','NBA']

对于数据集中的每个RDF三元组（主语i、谓语k、宾语j），都有一个坐标（i、j、k）来描述X_ijk=1在张量中的位置。例如，现有RDF三元组（a_i，play For，T_i）的坐标是（5,1,13），这意味着在第一个切片矩阵中X（5,13）=1。然而，我不知道如何得到这个坐标。我应该用字典来存储三元组吗

我对Python不太熟悉，我已经尝试过获得解决方案，但我不知道如何解决它。任何帮助都将不胜感激

---

编辑：为了简洁易懂，我删除了对RDF的描述

解决你的问题的可能性很大，但你的问题中有更大的矛盾心理。更精确地描述它，展示你想要得到什么，为什么，展示你迄今为止所做的尝试

与其解释什么是rdf，不如解释为什么需要n阶张量，以及为什么另一种表示法不适合你的需要

---

如果你需要张量运算，使用张量是有意义的。如果是的话，你应该研究一下，如果不是的话，你应该考虑另一个解决方案。如果希望保留创建对象的顺序，则词典可能不是您要查找的。也许您正在寻找的是OrderedDict from collections（python>=2.7）。但是，也许从集合中命名为tuple也可以做到这一点。

pythons用于rdf的最佳库工具是一个rdflib图，它有一个

lst = myGraph.subject_objects(MyNS.race_for)
# which is just syntactic sugar for:
lst = myGraph.triples((None,MyNS.race_for,None))

第二种语法也可以在其他语言（如Java jena等）的其他库中找到

在scipy中，您应该调用sparse并将其用于稀疏二进制数组

---

查看numpy包，了解将从triples查询返回的主题和对象“分解”的最佳方法。应该很简单。在中有用于此功能的库，但我猜您将拥有大型稀疏矩阵，并且使用此模块会更好。

我曾尝试使用rdflib和pandas来解决此问题，但我失败了，谢谢所有这些。这让我想起了HDT it工具。你应该通过看屏幕来了解这种关系