- 数据源
本次调研到如下的网站可进行抽取数据
- 故宫博物院 https://www.dpm.org.cn/collection/ceramics.html
- 百度博物馆计划 https://baike.baidu.com/museum/
- 国家文物局 http://www.sach.gov.cn/index.html
- 历史千年 http://www.lsqn.cn/Index.html （历史名人、历史故事）
- 中国历代人物传记资料库 http://db1.ihp.sinica.edu.tw/cbdbc/ttsweb?@0:0:1:cbdbkm@@0.47946741292253137
- 北京大学中国古代史研究中心 https://zggds.pku.edu.cn/slxx/58709.htm
数据处理流程：
目前考虑到的实体
- 藏品
| 名称 | 所属年代 | 出土时间 | 出土地点 | 馆藏地点 | 简介 | 类别 |
|---|---|---|---|---|---|---|
| 三羊铜罍 | 商早期（公元前16世纪——前14世纪） | 不详 | 平谷刘家河 | 首都博物馆 | .. | 青铜器 |
| 原始青瓷豆 | 西周（前1046-前771） | 1974年 | 北京房山区琉璃河乡商周遗址52号墓 | 首都博物馆 | ... | 陶瓷器 |
- 博物馆
| 名称 | 地点 | 开发时间 | 成立时间 | 所属国家 | 所属城市 | 门票价格 | 总建筑面积 | 现任馆长 | 馆藏精品 | 类别 |
|---|---|---|---|---|---|---|---|---|---|---|
| ... | ... | ... | .. | .. | ... | .. | .. | .. | .. | .. |
- 建筑
| 名称 | 地理位置 | 建造时间 | 简介 | 类别 |
|---|---|---|---|---|
| 坤宁门 | 坤宁宫 | 明代初期 | ----- | 宫廷建筑 |
- 人物
| 名称 | 别名 | 出生时间 | 所属年代 | 类别 |
|---|---|---|---|---|
| -------- | ---- | ---- | -------- | 历史人物 |
| -------- | ---- | ---- | -------- | 学术专家 |
| 编号 | 名称 | 主要功能 |
|---|---|---|
| 1 | Neo4j | 开源图形数据库，由Java开发。 |
| 2 | OrientDB | 开源的noSQL数据库，可处理文档、图形、传统数据库组件。由Java编写，存储速度快。 |
| 3 | Virtuoso | 支持RDF与SPARQL查询。 |
| 4 | Titan | 可与Gremlin/Hbase进行集成，可实现分布式存储和计算的图数据处理。 |
| 5 | Apache Jena-IDB | 在JAVA下操作RDF。其中TDB是使用triple store的形式对RDF数据提供持久性存储（persistent store），TDB相比RDB、SDB更快且具有扩展性。 |
| 6 | Cypher | 声明式图查询语言，表达高效查询和更新图数据库。 |
| 7 | Gremlin | 一种函数式数据流语言，可以使得用户使用简洁的方式表述复杂的属性图（property graph）的遍历或查询。 |
| 8 | SPARQL | 为RDF开发的一种查询语言和数据获取协议。 |
| 9 | rdflib | 基于Python语言编写的，RDF / XML，N3，NTriples，N-Quads，Turtle，TriX，RDFa和Microdata的解析器和序列化器，支持SPARQL 1.1查询和更新语句。 |
- 创建可以导⼊Neo4j的csv文件
生成csv格式，参考https://neo4j.com/docs/operations-manual/current/tutorial/import-tool/
- 利用上面的csv文件生成数据库
neo4j_home$ bin/neo4j-admin import --nodes executive.csv --nodes stock.csv -- nodes concept.csv --nodes industry.csv --relationships executive_stock.csv --relationships stock_industry.csv -- relationships stock_concept.csv
将数据整理成.nt格式
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/Category> "人物" .
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/Category> "影视人物" .
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/中文名> "李荣浩" .
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/外文名> "Youngho Lee，Ronghao Li" .
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/国籍> "中国" .
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/民族> "回族" .
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/星座> "巨蟹座" .
<http://kg.soundai.com/entity/李荣浩> <http://kg.soundai.com/ontology/property/身高> "180cm" .
1. 首都博物馆共有多少件藏品？
2. 彩绘陶马是什么年代的文物？
3. 故宫博物馆什么时候开放？
从问句中提取出实体可以采用以下两种方法：1）构建诸如BiLSTM-CRF(https://arxiv.org/pdf/1508.01991.pdf)等深度学习模型，然后利用训练好的深度学习模型预测出问句实体。2）构建实体词表，从问句中提取词表中所包含的实体。
关系链接可以采用以下两种方法：1）构建诸如CNN等多分类深度学习模型，然后利用训练好的深度学习模型预测问句的目标属性。2）构建关键词集合，把问句中所包含的关键词当作问句的目标属性。