如何构建更好的SPARQL查询，以便仅从DBpedia获取所需的数据？（was:“如何使用dbpediasparql摆脱多行”）

我跑了。我希望每位总统只获得一次提名，但由于其中一些人的出生地有多个条目，所以会有多行。

我只想要他们出生的州

:Abraham_Lincoln [http] :Hodgenville,_Kentucky [http]   -   -
:Barack_Obama [http]    :Kapiolani_Medical_Center_for_Women_and_Children [http] -   -
:Bill_Clinton [http]    :Hope,_Arkansas [http]  -   -
:Dwight_D._Eisenhower [http]    :Denison,_Texas [http]  -   -
:George_W._Bush [http]  :New_Haven,_Connecticut [http]  -   -
:George_Washington [http]   :Westmoreland_County,_Virginia [http]   -   -
:George_Washington [http]   :British_America [http] -   -
:George_Washington [http]   :George_Washington_Birthplace_National_Monument [http]  -   -
:James_A._Garfield [http]   :Orange,_Ohio [http]    -   -
:James_A._Garfield [http]   :Moreland_Hills,_Ohio [http]    -   -
:Jimmy_Carter [http]    :Plains,_Georgia 

专注于

我只想要他们出生的州

而不是

如何使用dbpediasparql消除多行

这可能是一个解决方案：

SELECT DISTINCT ?person ?birthState  ?presidentStart ?presidentEnd 
WHERE {
      ?person dct:subject dbc:Presidents_of_the_United_States.


       OPTIONAL { ?person dbp:presidentEnd   ?presidentEnd }  .
       OPTIONAL { ?person dbp:presidentStart ?presidentStart }  .
       OPTIONAL {?person dbo:birthPlace/dbp:subdivisionType/dbp:territory ?birthState } .

FILTER ( regex(?birthState,   "_")  OR
         regex(?birthState, ";_")
       ) . 
} 
GROUP BY ?person 
ORDER BY  ?presidentStart ?person 
LIMIT 100

专注于

我只想要他们出生的州

而不是

如何使用dbpediasparql消除多行

这可能是一个解决方案：

SELECT DISTINCT ?person ?birthState  ?presidentStart ?presidentEnd 
WHERE {
      ?person dct:subject dbc:Presidents_of_the_United_States.


       OPTIONAL { ?person dbp:presidentEnd   ?presidentEnd }  .
       OPTIONAL { ?person dbp:presidentStart ?presidentStart }  .
       OPTIONAL {?person dbo:birthPlace/dbp:subdivisionType/dbp:territory ?birthState } .

FILTER ( regex(?birthState,   "_")  OR
         regex(?birthState, ";_")
       ) . 
} 
GROUP BY ?person 
ORDER BY  ?presidentStart ?person 
LIMIT 100

---

由于SPARQL是一种模式匹配语言，当您的查询结果“太宽/太一般”时，诀窍是创建更具体的模式。在这种情况下，您的目的不仅仅是要取回标记为

dbo:birthPlace

值的所有资源，而是只取回那些代表美国各州的资源

因此，我们需要弄清楚美国各州是如何区别于DBPedia中的其他地方的

让我们以肯塔基州为例。代表肯塔基州的资源是。如果我们向下滚动概述该资源属性的页面，我们会发现

rdf:type

关系的多个条目，但最适合我的条目是

yago:WikicatStatesOfTheUnitedStates

（）

如果我们修改您的查询，将其作为额外的限制，并删除奇怪的正则表达式，如下所示：

SELECT DISTINCT ?person ?birthPlace  ?presidentStart ?presidentEnd 
WHERE {
      ?person dct:subject dbc:Presidents_of_the_United_States.
      ?person dbo:birthPlace ?birthPlace .
      ?birthPlace a yago:WikicatStatesOfTheUnitedStates .

   OPTIONAL { ?person dbp:presidentEnd   ?presidentEnd }  .
   OPTIONAL { ?person dbp:presidentStart ?presidentStart }  .  
} 
GROUP BY ?person 
ORDER BY  ?presidentStart ?person 
LIMIT 100

你应该得到你需要的

不幸的是，如果你尝试，你会发现你没有。这是因为DBPedia数据很混乱。上述查询只返回三个结果，更糟糕的是，有一个结果显然不正确：

person                 birthPlace   presidentStart  presidentEnd
dbr:Barack_Obama       dbr:Hawaii
dbr:George_Washington  dbr:Virginia
dbr:Theodore_Roosevelt dbr:New_York_City        

这里发生了两件事：首先，纽约市在DBPedia中被错误地归类为一个州。其次，大多数总统并没有明确地将他们的州标记为他们的出生地，而只是像他们的家乡一样

幸运的是，我们可以稍作修改。DBPedia知道肯塔基州的霍奇维尔位于肯塔基州。它怎么知道？好的，看看霍奇维尔的资源页面：。您将看到它与代表肯塔基州的资源之间存在

dbo:isPartOf

关系

因此，我们需要重新表述我们的问题：我们希望每一位总统的出生地都是该州的一部分。在SPARQL中：

SELECT DISTINCT ?person ?birthState  ?presidentStart ?presidentEnd 
WHERE {
      ?person dct:subject dbc:Presidents_of_the_United_States.
      ?person dbo:birthPlace ?birthPlace .
      ?birthPlace dbo:isPartOf ?birthState .
      ?birthState a yago:WikicatStatesOfTheUnitedStates .

   OPTIONAL { ?person dbp:presidentEnd   ?presidentEnd }  .
   OPTIONAL { ?person dbp:presidentStart ?presidentStart }  .  
} 
GROUP BY ?person 
ORDER BY  ?presidentStart ?person 
LIMIT 100

这会让你几乎完全得到你需要的结果

更新正如您所指出的，唐纳德·特朗普没有出现在名单中。这似乎是因为DBPedia落后于时代，他仍然被归类为“总统候选人”，而不是总统

---

至于格罗弗·克利夫兰出现四次，这是一个有趣的反常现象。克利夫兰从1885年到1889年，以及从1893年到1897年，连续两届担任总统。所以有两个开始日期和两个结束日期。因为在DBPeda中，没有显式地对哪个开始日期属于哪个结束日期进行建模，所以您只需为开始日期和结束日期的每个组合得到一个结果，总共四个。也许有一种方法可以查询（一种方法是使用

组concat

聚合将开始日期和结束日期分组在一起），但这种边缘情况可能更容易在后处理中处理它。

因为SPARQL是一种模式匹配语言，所以当您的查询结果“太宽/太一般”时，就是创建一个更具体的模式。在这种情况下，您的目的不仅仅是要取回标记为

dbo:birthPlace

值的所有资源，而是只取回那些代表美国各州的资源

因此，我们需要弄清楚美国各州是如何区别于DBPedia中的其他地方的

让我们以肯塔基州为例。代表肯塔基州的资源是。如果我们向下滚动概述该资源属性的页面，我们会发现

rdf:type

关系的多个条目，但最适合我的条目是

yago:WikicatStatesOfTheUnitedStates

（）

如果我们修改您的查询，将其作为额外的限制，并删除奇怪的正则表达式，如下所示：

SELECT DISTINCT ?person ?birthPlace  ?presidentStart ?presidentEnd 
WHERE {
      ?person dct:subject dbc:Presidents_of_the_United_States.
      ?person dbo:birthPlace ?birthPlace .
      ?birthPlace a yago:WikicatStatesOfTheUnitedStates .

   OPTIONAL { ?person dbp:presidentEnd   ?presidentEnd }  .
   OPTIONAL { ?person dbp:presidentStart ?presidentStart }  .  
} 
GROUP BY ?person 
ORDER BY  ?presidentStart ?person 
LIMIT 100

你应该得到你需要的

不幸的是，如果你尝试，你会发现你没有。这是因为DBPedia数据很混乱。上述查询只返回三个结果，更糟糕的是，有一个结果显然不正确：

person                 birthPlace   presidentStart  presidentEnd
dbr:Barack_Obama       dbr:Hawaii
dbr:George_Washington  dbr:Virginia
dbr:Theodore_Roosevelt dbr:New_York_City        

这里发生了两件事：首先，纽约市在DBPedia中被错误地归类为一个州。其次，大多数总统并没有明确地将他们的州标记为他们的出生地，而只是像他们的家乡一样

幸运的是，我们可以稍作修改。DBPedia知道肯塔基州的霍奇维尔位于肯塔基州。它怎么知道？好的，看看霍奇维尔的资源页面：。您将看到它与代表肯塔基州的资源之间存在

dbo:isPartOf

关系

因此，我们需要重新表述我们的问题：我们希望每一位总统的出生地都是该州的一部分。在SPARQL中：

SELECT DISTINCT ?person ?birthState  ?presidentStart ?presidentEnd 
WHERE {
      ?person dct:subject dbc:Presidents_of_the_United_States.
      ?person dbo:birthPlace ?birthPlace .
      ?birthPlace dbo:isPartOf ?birthState .
      ?birthState a yago:WikicatStatesOfTheUnitedStates .

   OPTIONAL { ?person dbp:presidentEnd   ?presidentEnd }  .
   OPTIONAL { ?person dbp:presidentStart ?presidentStart }  .  
} 
GROUP BY ?person 
ORDER BY  ?presidentStart ?person 
LIMIT 100

这会让你几乎完全得到你需要的结果

更新正如您所指出的，唐纳德·特朗普没有出现在名单中。这似乎是因为DBPedia落后于时代，他仍然被归类为“总统候选人”，而不是总统

至于格罗弗·克利夫兰出现四次，这是一个有趣的反常现象。克利夫兰从1885年到1889年，以及从1893年到1897年，连续两届担任总统。所以有两个开始日期和两个结束日期。因为在DBPeda中，没有显式地对哪个开始日期属于哪个结束日期进行建模，所以您只需为开始日期和结束日期的每个组合得到一个结果，总共四个。可能有一种方法可以对此进行查询（一种方法是