《Clojure数据分析秘笈》——1.10节读取RDF数据

本节书摘来自华章社区《Clojure数据分析秘笈》一书中的第1章，第1.10节读取RDF数据，作者（美）Eric Rochester，更多章节内容可以访问云栖社区“华章社区”公众号查看

1.10　读取RDF数据
使用不同格式的链接数据越来越多地出现在互联网上：微格式（microformat）、RDFa和RDF/XML是其中的一些常见形式。链接数据提供了更大的灵活性且功能强大，但是其处理过程比较复杂。通常，为了高效处理链接数据，需要使用某种类型的三元组存储。在本方法和接下来的三种方法中，将用到Sesame（http://www.openrdf.org/）和kr Clojure库（https://github.com/drlivingston/kr）。

1.10.1　准备工作
首先，需要确保相关依赖列于project.clj文件中：

在本例中，从Telegraphis的链接数据库获取数据。将从http://telegraphis.net/data/currencies/ currencies.ttl得到货币数据库。为了安全起见，文件下载并另存为data/currencies.ttl，可以从这个目录访问它。

1.10.2　具体实现
本过程最费时的部分将是定义数据。使用的库完成这项工作。

1. 建立三元组存储并注册数据使用的命名空间。将三元组存储名字绑定到名称tstore。

1.10.3　实现原理
首先介绍一下背景知识：资源描述格式（Resource Description Format，RDF）不是XML格式的数据，尽管RDF通常是用XML编写的（还有其他的数据格式，如N3和Turtle）。RDF将世界看成一个声明集合。每条声明至少包含三部分（三元组）：主语（Subject）、谓词（predicate）和宾语（object）。主语和谓词需要是URI（URI和URL近似，但比其更通用。例如uri:7890就是一个有效的URI）。宾语可以是文本或者URI。所有的URI构成一幅图。它们相互连接并通过声明相互描述。这就是linked-in的链接数据的来源。
如果你需要链接数据的更多信息，http://linkeddata.org/guides-and-tutorials上有一些好的推荐。
回到之前介绍的方法中：从总体上来看，在这里使用的处理过程非常简单。

1. 创建三元组存储（kb-memstore和init-kb）。
2. 读取数据（load-data）。
3. 查询并仅取出需要的数据（q和load-data）。
4. 将之转换为Incanter可以使用的数据（rekey和col-map）。
5. 创建Incanter数据集（load-data）。
   本例中使用的查询格式是个新事物。kb使用类SPARQL的领域专用语言描述查询。事实上，由于kb简单易用，因此使用它而不是直接处理未经加工的RDF数据。以“?/”开始的条目是变量；这将作为查询结果映射中的键值。其他条目格式如rdf-namespace/value。命名空间取自在init-kb中定义的已注册命名空间。这些命名空间与Clojure的不同，尽管它们的作用相同：划分和提供上下文。