3、词汇术语演变分析

词汇术语演变分析

1. 研究方法与数据集

为了研究不断发展的知识图谱（KGs）中词汇术语的使用情况，研究人员从爬取的三元组主语中提取了所有使用13种词汇表中任意术语的顶级域名（PLD），具体借助了Guava库来从给定URL中获取PLD。除记录词汇术语首次出现的日期外，还记录了包含该术语的三元组数量，用于计算数据集快照中术语的采用时间。

研究选用了三个大规模KGs进行分析，分别是来自关联开放数据（LOD）云的DyLDO和BTC，以及Wikidata。
- DyLDO ：用于存储部分网络数据文档的每周快照，研究中解析了2012年5月至2017年3月的242个快照。
- BTC ：在2009 - 2012年以及2014年从LOD云进行年度爬取，使用所有可用版本分析提取词汇的采用情况。
- Wikidata ：一个用于协作存储和编辑结构化数据的知识库。通过Wikidata的RDF导出页面，解析使用Wikidata工具包生成的RDF转储文件中的术语和属性。假设第一个快照为Wikidata词汇表的第一个版本，依此解析后续文件以提取对第一个版本的更改，利用2014年4月至2016年8月的25个RDF转储文件，提取新增或弃用的术语，并进一步解析以分析术语的采用行为。

2. LOD云的研究结果

2.1 LOD词汇表的变化

• 术语增减情况 ：总体观察到35%的新创建术语和11%的弃用术语，85%的词汇表术语数量增加。ADMS和CiTO是例外，前者术语数量减少，后