最近在研究关系抽取，由于人工标注太麻烦，所以想用远程监督生成更多数据。那么就必须找相对准确的关系模式，比如在已有知识图谱关系三元组，这就涉及到知识图谱三元组抽取了。其实，也可以人工定制少量的准确的关系三元组作为远程监督的种子，不过太麻烦了。
在线查看（以wikidata知识图谱为例）
得到和用户输入有关的实体id
实体信息获取
https://www.wikidata.org/w/api.php?action=wbgetentities&ids=Q495015&format=json&languages=en
entity顶级字段：
id: 实体id。
type: 实体类型。
labels: 不同语言描述的实体标签。
descriptions: 不同语言的实体描述。
aliases: 不同语言描述的实体别名。
claims: 以属性分组的实体声明(claims)或者陈述(statements)。
sitelinks: 各种网站上关于此实体的描述。
lastrevid: 当前json文件的版本。
modified: 当前json文件的发布日期。
而entity中的具体数据被称为claim，一个entity可以有许多
claim.每个claim总是与一个属性（property）关联，并且在一个实体中可以有多条claim与同一property关联。从结果可以看出，P109属性的结构
[ { },{ },……]，是一个Json数组，对应到维基数据上：
左侧栏目定义了属性，右侧是与该属性关联的claims，可以有一个，也可以有多个。
id: 识别码，只能保证当前数据库中唯一，不包含其他信息。
type: claim的类型，目前只有statement和claim两种。
mainsnak:
如果claim含有type值，那么它具有mainsnak字段包含与property相关的主体信息。注意：mainsnak中的datavalue也可以为其它关联实体(提供实体id)
rank: 表示claim是否应该显示在查询结果中，为preferred, normal 或者 deprecated.
qualifiers:
修饰信息，一般为主体信息的上下文信息，每一条都与一个属性(property)关联。
references: 如果claim是statement，那么会有一个参考资料的列表。
属性详情查看
参考网站：https://www.ibm.com/developerworks/cn/java/j-sparql/\#fig1
解析RDF数据得到语义Net
RDF图模式解析
主题是节点，谓词是圆弧，值在圆弧的另一边
需要将我的生日发布为一个机器可以处理的事实，可以使用一个称为 N-Triples
的简单的 RDF
序列化，将语句存储到一个文件中。采用这种格式时，每行都有一个用句点终止的事实如下：
\https://w3id.org/people/bsletten\\http://xmlns.com/foaf/0.1/birthday\
“05-26”
\https://w3id.org/people/bsletten\ \http://xmlns.com/foaf/0.1/name\
“Brian Sletten”
不管这两个事实是存储在同一个文件中，还是存储在两个不同的文件中，如果它们被读入相同的模型中，那么属性和值将会针对主题进行累积（如图
3 所示），因为这两个语句引用了使用相同标示符的同一个主题。
\https://w3id.org/people/bsletten\ \http://xmlns.com/foaf/0.1/birthday\
“05-26”
\https://w3id.org/people/bsletten\ \http://xmlns.com/foaf/0.1/name\
“Brian Sletten”
如何定义实例所属关系：需要一个特殊的谓词来表明资源是某个类的一个实例。RDF
为这种类型的关系提供了一个术语：http://www.w3.org/1999/02/22-rdf-syntax-ns\#type。这种类型的语句具有与您目前为止看到的属性关系不同的语义，但表达方式是相同的：
\https://w3id.org/people/bsletten\\http://www.w3.org/1999/02/22-rdf-syntax-ns\#type\ \http://xmlns.com/foaf/0.1/Person\
.
所以，最后的N-triples描述文件如：
\https://w3id.org/people/bsletten\ \http://xmlns.com/foaf/0.1/birthday\
“05-26”
\https://w3id.org/people/bsletten\ \http://xmlns.com/foaf/0.1/name\
“Brian Sletten”
\https://w3id.org/people/bsletten\\http://www.w3.org/1999/02/22-rdf-syntax-ns\#type\ \http://xmlns.com/foaf/0.1/Person\
应用
数据如下所示：
基础查询：sparql –query query.rq –data basic.nt
在 RDF
中，节点转换为主语实体，连接到属性的圆弧将它们连接到图形中的其他节点。
找到指定图形模式中的主语：主语通过uri指定
SELECT ?p ?o WHERE { \https://w3id.org/people/mcarducci\ ?p ?o }
找到一个主语标识符：
PREFIX foaf: \http://xmlns.com/foaf/0.1/\
SELECT ?s WHERE { ?s foaf:name “Michael Carducci” }
在知道要使用哪个标识符后，您可以运行之前的查询来获取 Michael 的信息，如下：
PREFIX foaf: \http://xmlns.com/foaf/0.1/\
SELECT ?p ?o
Where
{
?s foaf:name "Michael Carducci" ；
?p ?o .
}
上面的 ?s foaf:name “Michael Carducci”
；必须要写，因为要先匹配到该模式后，再选择?p ?o 作为输出。
查询多个数据集
通过 foaf:knows 关系将 Brian 的节点连接到 Michael 的节点
PREFIX ex: \http://example.com/ns/\
PREFIX foaf: \http://xmlns.com/foaf/0.1/\
SELECT ?magician ?name
WHERE {
?s foaf:name "Brian Sletten" ;
foaf:knows ?magician .
?magician a ex:Magician ;
foaf:name ?name .
}
告诉我任何 (?s) 名叫 Brian Sletten
的人，这个人需要知道某个是 ex:Magician 类的实例 (?magician)
的人。另外，获取另一个人的姓名。查询过程如下：先匹配模式?s foaf:name
“Brian Sletten” ;并且可以连接Michael （foaf:knows
?magician）的节点的ex:Magician类型（?magician a
ex:Magician），才算匹配成功，并且返回其name值。
PREFIX foaf: \http://xmlns.com/foaf/0.1/\
SELECT ?url
FROM \<bloggers.rdf>
WHERE {
?contributor foaf:name "Jon Foobar" .
?contributor foaf:weblog ?url .
}
第一个三元组与 foaf:name 属性为“Jon
Foobar”的节点匹配，并且赋给contributor相应的值。在 bloggers.rdf
模型中，contributor 会和顶部的空节点id123456匹配。图形模式的第二个三元组与 contributor 的 foaf:weblog 属性对应的对象匹配。要两个模式同时匹配才算成功，最后返回url的值。
可选匹配
可选块 定义了附加图形模式，即使模式不匹配，不会造成结果被拒绝，但在匹配的时候，图形模式会被绑定到图形上
替换匹配
替换匹配的定义方式是写出多个替换图形模式，中间用 UNION 关键字连接
值约束条件
SPARQL
中的 FILTER 关键字对绑定变量的值进行约束，从而限制查询的结果。这些值约束条件是对布尔值进行计算的逻辑表达式，并且可以与逻辑操作符 && 和 ||组合使用
查找包含某个模式的图
使用 GRAPH 的另一种方法是在它后面跟一个未绑定变量。在这种情况下，图形模式被应用到查询可以使用的每个命名图中。如果模式和其中一个命名图匹配，那么这个图的
URI 就被绑定到 GRAPH 的变量上
其他：
查询所有属性
查询一个类的所有子类
查询一个类的所有超类
查询一个属性的子属性
列出一个类的所有属性
使用FILTER正则匹配：FILTER regex(?x, “pattern” [, “flags”])
SELECT DISTINCT ?p
Where {
?p a rdf:Property.
?s ?p ?o.
FILTER (REGEX(str(?p), “date”, “i”)) #
“i”代表大小写不敏感，匹配?p中出现date
}
聚合语句的写法（显示配偶信息大于1条的演员）
SELECT ?s, (COUNT(?s) AS ?cnt)
{
?s a ont:Actor.
?s prop:spouse ?o.
FILTER(isLiteral(?o))
}
GROUP BY ?s
HAVING (COUNT(?s) > 1)