freebase RDF转储的Jena解析问题（2014年1月）

我正在尝试使用Jena解析freebase转储文件freebase-rdf-2014-01-12-00-00.gz（25GB）。 Jena报告了许多关于不良数据的问题。 示例-150.0无效，true和false值无效 我通过在转储文件中的十进制和true/false周围添加双引号解决了这些问题。 但是，Jena仍在报告问题（当前-org.apache.Jena.riot.RiotException:[行：161083，列：110]非法对象：[减]）

有没有办法对这些数据进行预处理，这样我就不必逐一解决每个问题。 我的Java代码：

    // Open TDB dataset
    String directory = "D:/test_dump";
    Dataset dataset = TDBFactory.createDataset(directory);

    // Assume we want the default model, or we could get a named model here
    Model tdb = dataset.getDefaultModel();

    // Read the input file - only needs to be done once
    String source = "D:/test_dump/fixed-freebase-second-rdf.gz";
    FileManager.get().readModel( tdb, source, "N-TRIPLES" ); 

---

数据是乌龟格式的，不是N-Triples。它们使用各种海龟缩写（如

true

表示

“true”^^xsd:boolean

或number

-27

表示

“-27”^^xsd:integer

）

可能仍然存在错误，因为它们的转储还包含非法语法，例如在前缀名称中使用

$

，而没有必要的

\

在事物周围添加引号会改变RDF。

注意：这是我从问题中得到的答案的副本，简短的回答是数据是在Turtle序列化中，而不是N-Triples中。Turtle支持各种缩写，例如，

true

表示

“true”^^xsd:boolean

即使在上的示例数据中，也存在不正确的N-三元组：

<http://rdf.freebase.com/ns/g.11vjz1ynm>  <http://rdf.freebase.com/ns/measurement_unit.dated_percentage.rate> 4.5 .

4.5。

看起来他们的数据更像是符号3（N3）或海龟格式，而不是N-Triples。事实上，Shawn Simister于2013年8月29日表示（重点补充）：

我一直在写一个新版本的 Freebase RDF转储将 解决许多已经解决的问题 从我们第一次开始就被发现了 将数据发布为RDF… 这些转储中最大的变化是 格式已切换为 海龟的N-三倍体。在实践中 这是一个非常小的变化，因为 N-三联体是海龟的一个子集 每行遵循相同的一个三元组 我们现在拥有的格式

A（2013年10月31日）涉及布尔问题：

嗯，是的，看来这是一个 缺陷乌龟支持真与假 等效于“true”^^xsd:boolean和 “false”^^xsd:boolean但即使 N-Triples是它的一个子集 不支持简化布尔值 语法

---

这篇文章值得多读一读。但这有点令人沮丧，因为当人们在写诸如“你可以用“真”之类的东西时，不清楚它们是指

真的还是
“真的”
。听起来有些人实际上并不太关心有效的RDF，也不太关心非类型的纯文本
“true”
和布尔类型的文本
“true”^^xsd:boolean
之间的区别，后者可以缩写为
true
。无论如何，简短的回答看起来像是“使用海龟或N3解析器。”
在answers.semanticweb.com上有一个最近的问题。数据以海龟为单位，而不是N-Triples。