如何从句子提取Wikidata已存在的三元组？求Python工具/API

Wikidata官方并没有提供直接从自然语言文本中提取已存在三元组的工具，但可以通过组合Wikidata官方API和Python工具库实现你的需求，核心分为实体链接和三元组验证/查询两个步骤：

1. 实体链接：映射文本实体到Wikidata QID #

首先需要将文本中的实体（如示例中的"NYU"、"New York"）映射到Wikidata对应的唯一标识符（QID），可使用以下官方支持的Python工具：

• pywikibot：Wikidata官方维护的Python库，支持实体搜索与链接。示例代码：

  import pywikibot
  
  site = pywikibot.Site("wikidata", "wikidata")
  repo = site.data_repository()
  
  # 搜索NYU对应的实体
  nyu_item = pywikibot.ItemPage.fromTitle(repo, "New York University")
  nyu_qid = nyu_item.id  # 得到Q15888
  
  # 搜索New York对应的实体
  ny_item = pywikibot.ItemPage.fromTitle(repo, "New York City")
  ny_qid = ny_item.id  # 得到Q60
  

• Wikidata Search API：直接通过HTTP请求调用，返回匹配的实体QID，适合轻量场景。

2. 查询实体间已存在的Wikidata三元组 #

得到实体QID后，使用Wikidata Query Service (WDQS) 的SPARQL查询接口，验证并提取两个实体间已存在的三元组：
示例SPARQL查询（用于验证NYU和New York之间的关系）：

SELECT ?property ?propertyLabel WHERE {
  wd:Q15888 ?property wd:Q60 .
  SERVICE wikibase:label { bd:serviceParam wikibase:language "en" }
}

通过Python的requests库调用WDQS接口执行查询，即可得到对应的属性（如P159，标签为"headquarters location"），对应文本中的"located at"关系，最终组成符合要求的三元组。

补充说明 #

• 若需要自动匹配文本中的关系词与Wikidata属性，可先提取文本中的关系短语，再通过Wikidata属性搜索API匹配对应的PID，进一步自动化流程。
• 所有步骤均基于Wikidata官方工具/API完成，无需依赖第三方NLP库。

内容的提问来源于stack exchange，提问作者Daniel Yao