神马文学网Freebase再研究 - 阮一峰的网络日志
来源：百度文库 编辑：神马文学网 时间：2024/04/29 14:16:31
Freebase再研究
日期： 2008年4月 5日
将近一年前，我在Blog里介绍了Freebase.com。在结尾处，我这样说：
Freebase是一个革命性的网站，就像一个国外程序员所说：“这是2007年迄今互联网上最激动人心的东西”。我想我将在这个网站里面，继续花费大量的时间，四处逛逛，熟悉整个系统。
Freebase的目标很宏伟，就是收集世界上的所有信息，并且整理出信息之间的关系。这件事情最难的地方，倒还不是收集地球上的所有信息，而是怎样确定数据结构，换言之，怎样用一种格式描述出所有信息。这恰恰也是我对Freebase最感兴趣的地方。
前几天，我又去看了，发现整个网站已经基本成型了，数据大量增加，结构也比以前更完整。更重要的是，它开放了编程接口API，允许外部调用它的数据。
请看一个例子——电影数据库FMDB，在里面可以查到每一部电影、每一个导演、每一个演员，简直就是一个轻量级的IMDB。但是，这样一个数据库其实只有一张网页，总的大小不超过100k，一个有经验的程序员最多一天时间就可以完成。因为数据全部来自Freebase，你所要写的其实就是一个查询和展示过程而已。这就是Freebase的意义所在：如果世界上所有相关信息都分门别类放在一个数据库里，那么信息之间的查询和比较将变得异常容易。
借助FMDB和Freebase本身提供的异常强大的查询编辑器和开发手册，我一边学一边猜，终于自己也制作了一个作品——欧美流行音乐数据库，里面可以查到所有的欧美歌手、以及他们的专辑和单曲。完成以后，程序小得令人震惊，所有代码加在一起只有十几k。
下面简单介绍一下Freebase的数据结构。
首先，在Freebase中，每一条信息叫做Topic，也就是一个条目，这就好比字典里的每一个可以查到的词。
然后，每一个Topic包含一个或多个Type（类型），比如“check”这个词，既可以当动词，又可以当名词，于是它就同时属于“动词”和“名词”这两个Type。
接着，每一个Type又包含一个或多个Property（属性），比如字典里的每一个单词的每一种词性，都同时包括读音和释义两部分，因此“读音”和“释义”就是两个property。
最后，每一个属性都有一个值，这个值又是另一个Topic，因此两个Topic就被连接了起来。比如，check当动词时，释义是examine（检查），它本身就是一个Topic，因此这两个词之间就被建立了某种联系。
请看下面这张图。
黄色的方框表示Topic，绿色的方框表示Type。原点“Arnold Schwarzenegger”同时属于四个Type：Person（人物）、Body Builder（健美运动员）、Actor（演员）和Politician（政治家）。Type:Person有一个属性Country of Birth（出生国），它的值是Austria（奥地利）。Type:Politician有一个属性Party（党派），它的值是Republic（共和党）。Type:Actor有一个属性Films（演出的电影），它的值是Terminator（终结者）。
因此，这里一共有四个Topic：Arnold Schwarzenegger、Austria、Republic、Terminator。它们就这样被连了起来。
Freebase本身发展了一套数据查询语言MQL，比如我想查出Arnold Schwarzenegger一共演出过多少部电影，查询语句必须这样写：
{
q0:{
query:[{
"name":"Arnold Schwarzenegger",
"type":"/film/actor",
"film":[{
"film":[{
"name":null
}]
}]
}]
}
}
将上面这段代码，拷贝入查询编辑器左面的窗口，点击上方“read>>”按钮，就可以在右面的窗口得到查询结果。或者，直接点击这个链接，也可以看到查询结果。
实事求是的说，Freebase的数据结构和MQL语言都很复杂，一点都不符合直觉，我认真研究了好几天，都没有完全搞懂。这使得我感到Freebase的解决方案并不令人满意，它的前途可能也不会很顺利。但是不管怎样，这个网站是一个了不起的尝试，我会继续关注它，试图更好地理解和应用它。
（完）