20、全球图谱：从维基百科到词汇标记框架的专有名词

全球图谱：从维基百科到词汇标记框架的专有名词

数据来源选择

最初，使用了DBpedia中的法语、英语和西班牙语数据，它是从维基百科提取的数据库，以资源描述框架（RDF）三元组集合管理数据。但该策略有两大缺点：
- DBpedia每六个月更新一次转储文件，更新频率太低，无法满足需求。
- DBpedia的唯一来源是页面右侧用于总结条目的信息框，但很多有趣的页面没有信息框，这些条目在DBpedia中缺失。因此，很快转向了维基百科。

还研究了Freebase，但其内容过于以美国为中心。像记者这类人群的分类在特定语言和国家较为特殊，除了为CNN或BBC工作的少数名人外，很多其他人物在Freebase中没有记录。例如，2012年11月，政治记者阿卜杜拉·图拉比（撰写关于伊斯兰主义者与摩洛哥国王关系的论文）在法语维基百科中有条目，但Freebase中没有相关记录。

全球图谱中约有一百万个名称，其主要特点不在于条目的数量，而在于列表必须不断更新以符合“信息现实”，但手动更新列表的人力成本太高。内容根据新闻频率每周或每两周下载一次，通常每两周更新一次，有重要新闻时每周更新。目前，平均每周新增约2000个名称，但并非收录所有名称。

类型本体

每个名称都被分配一个或多个类型。这些类型由一小群专家（其中一些在词典和百科全书设计方面有超过40年经验）通过内省（即手动）组织成一个包含1034个节点的层次结构。该本体相当稳定，平均每月修改不到一次。

例如，“利奥·梅西”被标记为足球运动员，“大卫·杜耶”则被标记为柔道运动员和政治家。不过，对于给定时间段内的角色和职能没有进行细粒度的描述。大卫·杜耶曾经是（现在仍然是）著名的柔