DBpedia实体查询wikiPageWikiLink计数与经纬度异常问题求助

问题原因分析 #

• 计数错误原因：当前GROUP BY子句错误包含了被计数的?o变量和聚合结果?num，会导致每一条wikiPageWikiLink对应单独分组，计数结果固定为1，无法汇总得到单个实体的链接总数。
• 虚假经纬度原因：DBpedia存在部分脏数据，部分实体关联了不符合地理常识的经纬度值，原查询没有对经纬度的合法范围做限制，导致异常值被返回。

修复后的SPARQL查询 #

SELECT ?label ?subject  ?lat ?long ?startDate (count(?o) as ?num) WHERE {
  ?subject geo:lat ?lat.
  ?subject geo:long ?long.
  ?subject rdfs:label ?label.
  ?subject dbo:startDate ?startDate.
  ?subject dbo:wikiPageWikiLink ?o
  FILTER (lang(?label) = 'en')
  # 过滤合法经纬度范围
  FILTER (?lat >= -90 && ?lat <=90)
  FILTER (?long >= -180 && ?long <=180)
}
# 仅按实体核心属性分组，移除?o和?num
GROUP BY ?label ?subject ?lat ?long ?startDate
LIMIT 1000

优化补充说明 #

如果同一个实体存在多组合法经纬度，导致同一实体返回多条结果，可以修改查询使用SAMPLE聚合函数固定取一组经纬度：

SELECT ?label ?subject (SAMPLE(?lat) as ?validLat) (SAMPLE(?long) as ?validLong) ?startDate (count(?o) as ?num) WHERE {
  ?subject geo:lat ?lat.
  ?subject geo:long ?long.
  ?subject rdfs:label ?label.
  ?subject dbo:startDate ?startDate.
  ?subject dbo:wikiPageWikiLink ?o
  FILTER (lang(?label) = 'en')
  FILTER (?lat >= -90 && ?lat <=90)
  FILTER (?long >= -180 && ?long <=180)
}
GROUP BY ?label ?subject ?startDate
LIMIT 1000

内容的提问来源于stack exchange，提问作者Arun R