Sparql DBPedia-每个资源最相关的谓词

我想为DBPedia和Yago中的任何资源确定最相关的属性/谓词（而不是对象）（例如前20个）。例如，直觉上，对于一个音乐艺术家来说，你会对他的年龄、流派、音乐标签、唱片等感兴趣

一个好的算法应该是什么样子来解决这个问题？ 我目前天真的做法如下

首先，我检索所有的类，按它们的“大小”排序。（警告，非常昂贵的查询！）

然后，我对这些类中的每一个进行查询，以获得该类中具有特定属性的实体的数量

SELECT distinct ?prop (count(distinct ?e) as ?c)
WHERE {
    ?e rdf:type <--CLASS--> .
    ?e ?prop []
}
ORDER BY DESC(?c)

它告诉我，哪些属性与哪个类最相关。当然，像

http://www.w3.org/2002/07/owl#sameAs

应在以后的步骤中忽略

然而，实体存在于多个类中，可能每个类都很重要，并提供了额外的信息。例如，

dbr:John_Lennon

出现在

dbo:Person

和

dbo:MusicalArtist

中。我需要合并这些类别的房地产排名。我想到了以下方法，但我不确定这是否是一个合理的解决方案

所以我的想法是计算每个属性（例如classA中的propX）的相对权重，方法是将classA中具有propX的实体数除以classA中的属性总数。如果我想合并两个类，例如classA和classB（或者Person和MusicalArtist），我只需将这两个类的属性按相对权重排序（这是合法的比较吗？）。如果两个类中都有一个属性，我会计算这两个类的调和平均值

---

假设上述步骤实际可行（请让我知道您的想法），我还有一个问题。我想合并来自DBPedia和Yago的信息，因此对于

dbr:John_Lennon

我想从Yago获取等价的（

owl:sameAs

）

yr:John_Lennon

。如何合并这两个数据集中的属性排名，最终得到由DBP和Yago属性组成的前20个最相关属性的列表？

不清楚如何定义相关性。例如，您的示例

dbr:John_Lennon

属于

dbo:Person

和

dbo:MusicalArtist

，因为后者是前者的子类。显然，如果某些属性仅由子类使用，则它们的区别性更强。在这种情况下，定义“相关性”其实并不简单。例如，我也没有一个客观的方法来评估我的解决方案，一旦它完成。评估可能是手动查看一些随机选取的示例，并主观检查结果是好是坏。但是你对如何进行还有什么建议吗？特别是在合并两个或多个数据集的排名方面……不清楚如何定义相关性。例如，您的示例

dbr:John_Lennon

属于

dbo:Person

和

dbo:MusicalArtist

，因为后者是前者的子类。显然，如果某些属性仅由子类使用，则它们的区别性更强。在这种情况下，定义“相关性”其实并不简单。例如，我也没有一个客观的方法来评估我的解决方案，一旦它完成。评估可能是手动查看一些随机选取的示例，并主观检查结果是好是坏。但是你对如何进行还有什么建议吗？特别是在合并两个或多个数据集的排名方面。。。

SELECT distinct ?prop (count(distinct ?e) as ?c)
WHERE {
    ?e rdf:type <--CLASS--> .
    ?e ?prop []
}
ORDER BY DESC(?c)

"dbo:Agent": {
    "count": 1974654,
    "properties": {
        "http://www.w3.org/1999/02/22-rdf-syntax-ns#type": 399948,
        "http://www.w3.org/2002/07/owl#sameAs": 67799,
        "dbp:name": 22272,
        "dbp:hasPhotoCollection": 13122,
        "http://xmlns.com/foaf/0.1/givenName": 10799,
        "dbo:birthPlace": 10055,
        "dbo:birthDate": 9953,
        "dbo:birthYear": 9735
    }
},
"dbo:Person": {
    count: 
...