数据集概述
本数据集是通过wdumps工具生成的Wikidata英文RDF转储，包含4个文件，覆盖JSON、GZ压缩、NT格式。数据聚焦于文本鲁棒性研究场景，提供Wikidata实体、语句等相关数据的结构化记录，支持文本处理领域的鲁棒性分析与验证。
文件详解
info.json- 文件格式：JSON
- 字段映射介绍：包含id、wdtkVersion、toolVersion、dumpDate、tripleCount、entityCount、statementCount等字段，记录转储的基础元信息
wdumper-spec.json- 文件格式：JSON
- 字段映射介绍：包含statements、descriptions、entities、languages、sitelinks、labels、version、meta、aliases等键，定义转储的结构规范
wdump-989.nt.gz- 文件格式：GZ（压缩包）
- 内容说明：压缩格式的NT文件，存储Wikidata的RDF三元组数据
preview.nt- 文件格式：NT
- 内容说明：未压缩的NT格式预览文件，包含Wikidata的RDF三元组示例数据
数据来源
wdumps工具生成的Wikidata转储
适用场景
- 文本鲁棒性研究：用于测试文本处理模型在Wikidata结构化数据上的鲁棒性表现
- 知识图谱数据处理：支持RDF格式数据的解析、存储与应用研究
- 自然语言处理模型训练：为文本相关模型提供Wikidata英文语料的结构化输入
- 数据格式转换验证：用于验证不同格式（RDF/JSON/NT）数据的转换准确性与兼容性
