Pular para o conteúdo principal

Lattes2Wikidata - Busca Textual por propriedades

Problema: mapear elementos e atributos do XML Schema (XSD) do Lattes respectivamente em Itens (Q nodes) e Propriedades (P nodes) da Wikidata

Dificuldade 1

Wikidata não tem Full Text Search por nome da propriedade, somente por nome de entidade (EntitySearch)

https://www.mediawiki.org/wiki/Wikidata_Query_Service/User_Manual/MWAPI

Solução de contorno

Baixar a lista de propriedades e realizar a busca localmente

A seguinte query foi executada no WQS e o resultado exportado em um arquivo TSV

SELECT ?property ?propertyType ?propertyLabel ?propertyDescription ?propertyAltLabel ?propertyOf ?propertyOfLabel ?propertyOfDescription WHERE { ?property wikibase:propertyType ?propertyType . optional {?propertyOf wdt:P1963 ?property} .

SERVICE wikibase:label { bd:serviceParam wikibase:language "pt-br, pt, en". } } ORDER BY ASC(xsd:integer(STRAFTER(STR(?property), 'P')))

Além das propriedades em si, recuperei os itens onde essas propriedades são usadas para descrever entidades dessa classe / tipo

P1963: quando este sujeito é usado como objeto de "instância de", as seguintes propriedades geralmente se aplicam

 A minha primeira tentativa vai ser importar o TSV no pandas e fazer a busca do rótulo dos elementos e atributos do Lattes usando o jupyter notebook

Marcadores:

Comentários

  1. Veronica dos Santos29 de junho de 2021 às 16:00

    Acabei fazendo a busca local no arquivo sem usar outro recurso de indexação.

    ResponderExcluir
  2. Veronica dos Santos17 de setembro de 2023 às 16:12

    Usando o kgtk query e o dump do ISI seria possível refazer este mapeamento localizando as propriedades (PNodes) pelos alias

    ResponderExcluir

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Aprendizado de Máquina Relacional

 Extraído de -> https://www.lncc.br/~ziviani/papers/Texto-MC1-SBBD2019.pdf   Aprendizado de máquina relacional (AMR) destina-se à criação de modelos estatísticos para dados relacionais (seria o mesmo que dados conectados) , isto é, dados cuja a informação relacional é tão ou mais impor tante que a informação individual (atributos) de cada elemento.    Essa classe de aprendizado tem sido utilizada em diversas aplicações, por exemplo, na extração de informação de dados não estruturados [Zhang et al. 2016] e na modelagem de linguagem natural [Vu et al. 2018].   A adoção de técnicas de aprendizado de máquina relacional em tarefas de comple mentação de grafo de conhecimento se baseia na premissa de existência de regularidades semânticas presentes no mesmo . Modelos grafos probabilísticos  Baseada em regras / heurísticas que não podem garantir 100% de precisão no resultado da inferência mas os resultados podem ser explicados. Modelos de características de ...
Postar um comentário
Leia mais

Connected Papers: Uma abordagem alternativa para revisão da literatura

Durante um projeto de pesquisa podemos encontrar um artigo que nos identificamos em termos de problema de pesquisa e também de solução. Então surge a vontade de saber como essa área de pesquisa se desenvolveu até chegar a esse ponto ou quais desdobramentos ocorreram a partir dessa solução proposta para identificar o estado da arte nesse tema. Podemos seguir duas abordagens:  realizar uma revisão sistemática usando palavras chaves que melhor caracterizam o tema em bibliotecas digitais de referência para encontrar artigos relacionados ou realizar snowballing ancorado nesse artigo que identificamos previamente, explorando os artigos citados (backward) ou os artigos que o citam (forward)  Mas a ferramenta Connected Papers propõe uma abordagem alternativa para essa busca. O problema inicial é dado um artigo de interesse, precisamos encontrar outros artigos relacionados de "certa forma". Find different methods and approaches to the same subject Track down the state of the art rese...
3 comentários
Leia mais

Metodologia Científica II - continuação

No primeiro post  foram detalhados os 6 primeiros vídeos do canal do Youtube do professor Eduardo Ogasawara do CEFET/RJ   Mais 3 vídeos foram disponibilizados e estão comentados a seguir: Gráficos, Figuras e Tabelas (33 minutos) - como apresentar os resultados das avaliações experimentais. Gráficos: associar análises dos resultados a cada gráfico apresentado, problemas comuns na montagem de gráficos (não usar todo eixo X ou Y, não usar área útil com uma escala adequada a ver o comportamento dos números, não marcar os pontos de observação da série, inconsistência no uso de cores ), escala logarítmica x linear, eixo X para a variável independente e Y para a dependente (resposta), escrever boas legendas para os gráficos, observar se diferenças entre variáveis apresentadas em gráficos separados podem atrapalhar a interpretação dos resultados. Diagramas devem ser pensados de acordo com o propósito, trata-se de uma abstração e cada elemento deve ser explicado no texto, rótulos...
1 comentário
Leia mais