#queryservice — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #queryservice, aggregated by home.social.
-
我們知道 Wikidata 的資料可以用 SPARQL 語法做出各種不同的查詢方式跟資料呈現方式，但是怎麼樣產出對應的 SPARQL 語法一直都是大家困擾的地方，社群與 Wikidata 團隊也不斷在降低 SPARQL 語法上面持續努力。
《Conversational Lexicography: Querying Lexicographic Data on Knowledge Graphs with SPARQL through Natural Language》這篇論文探討如何讓非專業使用者能夠透過自然語言查詢 Wikidata 中的 Lexeme Data，而不需要直接使用 SPARQL 查詢語言。
研究團隊建立了一個多維分類法，解析 Wikidata Lexeme 的複雜性，並創建了一個包含超過 120 萬筆自然語言與 SPARQL 查詢對應的模板數據集。他們測試了 GPT-2、Phi-1.5 和 GPT-3.5-Turbo，發現 GPT-3.5-Turbo 在泛化能力上表現最佳，顯示模型規模與多樣化預訓練對適應能力至關重要。然而，研究也指出，在處理多樣化語言數據與擴展至完整詞典知識表示方面仍有挑戰。更多完整資訊可參閱論文頁面：https://www.arxiv.org/pdf/2505.19971
#Wikidata #維基資料 #維基數據
#SPQRQL #QueryService #lexeme
#NaturalLanguage #LexicographicData -
我們知道 Wikidata 的資料可以用 SPARQL 語法做出各種不同的查詢方式跟資料呈現方式，但是怎麼樣產出對應的 SPARQL 語法一直都是大家困擾的地方，社群與 Wikidata 團隊也不斷在降低 SPARQL 語法上面持續努力。
《Conversational Lexicography: Querying Lexicographic Data on Knowledge Graphs with SPARQL through Natural Language》這篇論文探討如何讓非專業使用者能夠透過自然語言查詢 Wikidata 中的 Lexeme Data，而不需要直接使用 SPARQL 查詢語言。
研究團隊建立了一個多維分類法，解析 Wikidata Lexeme 的複雜性，並創建了一個包含超過 120 萬筆自然語言與 SPARQL 查詢對應的模板數據集。他們測試了 GPT-2、Phi-1.5 和 GPT-3.5-Turbo，發現 GPT-3.5-Turbo 在泛化能力上表現最佳，顯示模型規模與多樣化預訓練對適應能力至關重要。然而，研究也指出，在處理多樣化語言數據與擴展至完整詞典知識表示方面仍有挑戰。更多完整資訊可參閱論文頁面：https://www.arxiv.org/pdf/2505.19971
#Wikidata #維基資料 #維基數據
#SPQRQL #QueryService #lexeme
#NaturalLanguage #LexicographicData -
我們知道 Wikidata 的資料可以用 SPARQL 語法做出各種不同的查詢方式跟資料呈現方式，但是怎麼樣產出對應的 SPARQL 語法一直都是大家困擾的地方，社群與 Wikidata 團隊也不斷在降低 SPARQL 語法上面持續努力。
《Conversational Lexicography: Querying Lexicographic Data on Knowledge Graphs with SPARQL through Natural Language》這篇論文探討如何讓非專業使用者能夠透過自然語言查詢 Wikidata 中的 Lexeme Data，而不需要直接使用 SPARQL 查詢語言。
研究團隊建立了一個多維分類法，解析 Wikidata Lexeme 的複雜性，並創建了一個包含超過 120 萬筆自然語言與 SPARQL 查詢對應的模板數據集。他們測試了 GPT-2、Phi-1.5 和 GPT-3.5-Turbo，發現 GPT-3.5-Turbo 在泛化能力上表現最佳，顯示模型規模與多樣化預訓練對適應能力至關重要。然而，研究也指出，在處理多樣化語言數據與擴展至完整詞典知識表示方面仍有挑戰。更多完整資訊可參閱論文頁面：https://www.arxiv.org/pdf/2505.19971
#Wikidata #維基資料 #維基數據
#SPQRQL #QueryService #lexeme
#NaturalLanguage #LexicographicData -
我們知道 Wikidata 的資料可以用 SPARQL 語法做出各種不同的查詢方式跟資料呈現方式，但是怎麼樣產出對應的 SPARQL 語法一直都是大家困擾的地方，社群與 Wikidata 團隊也不斷在降低 SPARQL 語法上面持續努力。
《Conversational Lexicography: Querying Lexicographic Data on Knowledge Graphs with SPARQL through Natural Language》這篇論文探討如何讓非專業使用者能夠透過自然語言查詢 Wikidata 中的 Lexeme Data，而不需要直接使用 SPARQL 查詢語言。
研究團隊建立了一個多維分類法，解析 Wikidata Lexeme 的複雜性，並創建了一個包含超過 120 萬筆自然語言與 SPARQL 查詢對應的模板數據集。他們測試了 GPT-2、Phi-1.5 和 GPT-3.5-Turbo，發現 GPT-3.5-Turbo 在泛化能力上表現最佳，顯示模型規模與多樣化預訓練對適應能力至關重要。然而，研究也指出，在處理多樣化語言數據與擴展至完整詞典知識表示方面仍有挑戰。更多完整資訊可參閱論文頁面：https://www.arxiv.org/pdf/2505.19971
#Wikidata #維基資料 #維基數據
#SPQRQL #QueryService #lexeme
#NaturalLanguage #LexicographicData -
Wikidata 查詢服務正在分割！
未來學術文章與通用內容將分開查詢！未來一般內容查詢服務將使用原本的 Query Service：https://query.wikidata.org/
學術文章查詢服務將使用 Scholarly Query Service：https://query-scholarly.wikidata.org/目前正在測試中，詳情可參閱：https://www.wikidata.org/wiki/Wikidata:SPARQL_query_service/WDQS_graph_split
-
Wikidata 查詢服務正在分割！
未來學術文章與通用內容將分開查詢！未來一般內容查詢服務將使用原本的 Query Service：https://query.wikidata.org/
學術文章查詢服務將使用 Scholarly Query Service：https://query-scholarly.wikidata.org/目前正在測試中，詳情可參閱：https://www.wikidata.org/wiki/Wikidata:SPARQL_query_service/WDQS_graph_split
-
Wikidata 查詢服務正在分割！
未來學術文章與通用內容將分開查詢！未來一般內容查詢服務將使用原本的 Query Service：https://query.wikidata.org/
學術文章查詢服務將使用 Scholarly Query Service：https://query-scholarly.wikidata.org/目前正在測試中，詳情可參閱：https://www.wikidata.org/wiki/Wikidata:SPARQL_query_service/WDQS_graph_split
-
Wikidata 查詢服務正在分割！
未來學術文章與通用內容將分開查詢！未來一般內容查詢服務將使用原本的 Query Service：https://query.wikidata.org/
學術文章查詢服務將使用 Scholarly Query Service：https://query-scholarly.wikidata.org/目前正在測試中，詳情可參閱：https://www.wikidata.org/wiki/Wikidata:SPARQL_query_service/WDQS_graph_split
-
Wikidata 查詢服務正在分割！
未來學術文章與通用內容將分開查詢！未來一般內容查詢服務將使用原本的 Query Service：https://query.wikidata.org/
學術文章查詢服務將使用 Scholarly Query Service：https://query-scholarly.wikidata.org/目前正在測試中，詳情可參閱：https://www.wikidata.org/wiki/Wikidata:SPARQL_query_service/WDQS_graph_split
-
Why does the URL Shortener (https://meta.wikimedia.org/wiki/Special:UrlShortener) have a limit of 2000 characters?
There are multiple queries that are longer than that...
#Wikidata #QueryService -
Why does the URL Shortener (https://meta.wikimedia.org/wiki/Special:UrlShortener) have a limit of 2000 characters?
There are multiple queries that are longer than that...
#Wikidata #QueryService -
Why does the URL Shortener (https://meta.wikimedia.org/wiki/Special:UrlShortener) have a limit of 2000 characters?
There are multiple queries that are longer than that...
#Wikidata #QueryService -
Why does the URL Shortener (https://meta.wikimedia.org/wiki/Special:UrlShortener) have a limit of 2000 characters?
There are multiple queries that are longer than that...
#Wikidata #QueryService -
Why does the URL Shortener (https://meta.wikimedia.org/wiki/Special:UrlShortener) have a limit of 2000 characters?
There are multiple queries that are longer than that...
#Wikidata #QueryService