数据集概述
本数据集是通过wdumps工具生成的Wikidata清洗RDF转储数据，包含实体、陈述和三元组计数均为零的RDF转储文件及相关配置、信息文件，共四个文件，支持对Wikidata数据处理流程的参考。
文件详解
- 配置与信息文件
- 文件名称：
info.json
- 文件格式：JSON
- 字段映射介绍：包含id、wdtkVersion、toolVersion、dumpDate、tripleCount、entityCount、statementCount等工具版本、转储日期及数据计数信息
- 文件名称：
wdumper-spec.json
- 文件格式：JSON
- 字段映射介绍：包含meta、samplingPercent、statements、labels、aliases、sitelinks、entities、descriptions、version等转储配置信息
- 数据文件
- 文件名称：
wdump-1782.nt.gz
- 文件格式：GZ压缩文件
- 字段映射介绍：Wikidata清洗后的RDF转储压缩文件
- 文件名称：
preview.nt
- 文件格式：NT
- 字段映射介绍：Wikidata清洗RDF转储的预览文件
适用场景
- Wikidata数据处理流程研究: 用于分析wdumps工具生成Wikidata清洗RDF转储的配置与流程
- 数据清洗工具验证: 参考info.json和wdumper-spec.json验证数据清洗工具的版本及配置合理性
- RDF数据格式研究: 基于nt格式文件研究Wikidata RDF数据的存储与组织形式
- 数据转储元数据分析: 通过info.json中的dumpDate、计数信息分析Wikidata转储的元数据特征
