如何使用WDumper获取不同年度版本的Wikidata疾病子模式

一、获取目标年份的Wikidata快照文件 #

Wikidata会定期生成历史数据快照，你需要下载对应年份的dump文件来匹配目标版本：

• 选择对应年份的快照日期，比如要获取2016年的版本，可选用2016年1月1日（20160101）或12月31日（20161231）的快照，前者代表当年初始状态，后者代表当年最终状态。
• 快照文件格式通常为wikidata-YYYYMMDD-all.json.gz或wikidata-YYYYMMDD-statements.json.gz（后者仅包含实体属性数据，体积更小）。

二、配置WDumper筛选规则 #

1. 获取对应年份版本的疾病子模式 #

通过指定快照文件+疾病类筛选，直接得到目标年份的疾病数据状态：

• 编写SPARQL查询文件（比如disease-year.rq），内容如下：

SELECT ?item ?property ?value
WHERE {
  ?item wdt:P31 wd:Q12136 .  # Q12136是Wikidata中「疾病」类的ID
  ?item ?property ?value .
}

这个查询会提取快照中所有属于疾病类的实体及其关联的属性和值。

2. 基于实体属性的日期筛选 #

如果需要筛选带有特定年份属性值的疾病实体（比如发现日期在2016年的疾病），可在查询中添加日期过滤条件：

SELECT ?item ?property ?value
WHERE {
  ?item wdt:P31 wd:Q12136 .
  ?item wdt:P571 ?discoveryDate .  # P571是「发现日期」属性ID，可按需替换为其他日期属性
  FILTER(YEAR(?discoveryDate) = 2016) .  # 指定目标年份
  ?item ?property ?value .
}

注意：根据需求替换属性ID，比如「首次描述日期」是P1693，「发病日期」是P1214等。

三、运行WDumper生成子模式 #

在命令行中执行WDumper，指定输入快照、查询文件和输出路径：

java -jar wdumper.jar --input wikidata-20160101-statements.json.gz --query disease-year.rq --output disease-subset-2016.json

• 替换wikidata-20160101-statements.json.gz为你下载的对应年份快照文件
• 替换disease-year.rq为你的查询文件
• 替换disease-subset-2016.json为输出的子模式文件名

注意事项 #

• 快照文件体积较大，优先选择statements类型的dump以节省下载和处理时间
• 不同年份的快照格式可能略有差异，确保WDumper版本与dump格式兼容
• 批量处理多个年份时，可编写脚本循环执行下载、查询配置、运行WDumper的流程

内容的提问来源于stack exchange，提问作者atik ishrak