freebase RDF转储的Jena解析问题（2014年1月）

Question

我正在尝试使用Jena解析Freebase-RDF-2014-01-12-00-00.gz(25 GB）的Freebase-RDF-2014-01-12-00-00.gz。耶拿报告了许多关于不良数据的问题。示例-150.0无效，true和false值无效我通过在decimal和true/false的转储文件中添加双引号来解决这些问题。但是，Jena仍在报告问题。（current-org.apache.jena.riot.riotexception:[line:161083,col:110]非法对象:[MINUS])

有没有办法对这个数据进行预处理，这样我就不用一个一个地修复每个问题了。我的Java代码：

    // Open TDB dataset
    String directory = "D:/test_dump";
    Dataset dataset = TDBFactory.createDataset(directory);

    // Assume we want the default model, or we could get a named model here
    Model tdb = dataset.getDefaultModel();

    // Read the input file - only needs to be done once
    String source = "D:/test_dump/fixed-freebase-second-rdf.gz";
    FileManager.get().readModel( tdb, source, "N-TRIPLES" ); 

Answer 1

数据是Turtle格式的，而不是N三元组。他们使用各种Turtle缩写（如true表示“true”^^xsd:boolean或number-27表示“-27”^^xsd:integer)。

仍然可能存在错误，因为它们的转储还包含非法语法，例如在前缀名称中使用$而没有使用必要的\

在事物周围添加引号会改变RDF。