링크 된 데이터의 데이터 품질 문제를 처리하는 방법

Question

최근에 링크 된 데이터를 탐색 해왔고 다른 문제가 계속 발생했습니다. 외부 엔드 포인트에 액세스하는 동안 성능 지연을 극복하기 위해 데이터 덤프를 로컬로 저장하려고했습니다.

그러나 데이터 세트에는 주로 문제가 있습니다. 자주 발생하는 URI 품질 (예 : 예나의 TDB에서 가져 오기 오류 : Bad character in IRI (space): <http://bio2rdf.org/genecards:BCR/ABL[space]...>)

어떻게 이러한 문제를 해결할 수 있습니까? 이러한 데이터 덤프를 치료하거나 심지어 문제가있는 이러한 트리플을 제거하는 방법이 있습니까?

Answer 1

URI가 좋지 않으면 텍스트 도구로 입력 파일을 처리하는 것이 시작하는 방법입니다. N- 트리플은보다 쉽게 ​​작업 할 수 있습니다. 나중에 더 많은 작업을 처리 할 수 ​​있습니다.

[space]의 경우 %20으로 바꾸면 법적 URI가 생성되지만 URI는 다릅니다. 이것이 데이터에 미치는 영향은 데이터 및 사용자가 원하는 작업에 따라 다릅니다. 나쁜 트리플 (다른 텍스트 처리 옵션)을 제거하는 것만 큼 나쁜 피사체 주위의 모든 트리플을 제거하여 데이터를 정리해야하는지 여부는 데이터의 모양에 따라 다릅니다.

다른 문제는 상류로 되돌아 오는 문제를보고하여 원점에서 수정할 수 있다는 것입니다.