如何爲特定域提取Freebase數據轉儲？

Question

我不想下載250G的freebase數據轉儲。我不需要這麼大的數據。我想提取一小部分數據（一個小域）。這個小子集將使我的迭代更快，更容易。

有人能解決我的問題嗎？

Answer 1

從夏天的最新（和最後一次）Freebase轉儲低於30GB，而不是250GB。大多數計算機處理壓縮的數據比未壓縮的數據處理速度快，所以在處理之前應該將其壓縮。

zgrep是針對特定模式過濾文本文件的好方法。如果你想變得有趣，你可以使用一個小程序解壓縮數據並搜索符合你的標準的主體實體。

轉儲文件按照主題順序排序，因此給定主題的所有謂詞都將相鄰，從而簡化了處理過程（您只需要緩衝少量數據，同時決定是否在過濾中包含特定主題子集）。