Data-Gouv-FR/correspondance-region-article-wikipedia

该数据集通过Wikidata查询工具获取，由@Koumoul（N. Bonnel和A. Mouton）协助完成，实现了法国地区INSEE代码与对应维基百科文章之间的映射。查询针对每个地区进行，数据整合后与pasdevacances.org覆盖的行政区划对应。该数据集已集成到Pas de vacances pour la vacance应用中，包括主应用和数据空间。此外，还提供其他行政区划级别的类似数据集，如省、EPCI（公共机构间合作单位）和市镇。

This dataset was obtained via the Wikidata query tool with the assistance of @Koumoul (N. Bonnel and A. Mouton). It enables the correspondence between an INSEE code and the corresponding Wikipedia article. The query was performed for each region before assembling the data into a single file aligned with the administrative divisions covered by pasdevacances.org. This dataset is integrated into Pas de vacances pour la vacance, in the main application and the data space. Other administrative scales are available, such as for Departments, EPCIs, and Communes.

搜集汇总

数据集介绍

构建方式

该数据集通过借助Wikidata的查询工具，由Koumoul团队的N. Bonnel与A. Mouton协作构建而成。具体而言，针对每个法国大区（Région）执行SPARQL查询，获取其对应的INSEE地理代码以及关联的法语维基百科文章链接。随后，将不同大区的查询结果整合至同一文件中，并与pasdevacances.org平台所覆盖的行政区域数据建立对应关系，最终形成一个结构化的大区—维基百科文章映射集合。

特点

数据集的核心特色在于实现了法国INSEE地理编码与维基百科文章之间的精确双向映射，为研究人员和开发者提供了一种便捷的地理语义关联工具。其覆盖范围聚焦于法国本土及海外的大区级别，并与同一系列中面向省、EPCI及市镇的数据集形成互补，便于在不同行政层级之间进行灵活的数据关联与语义检索。

使用方法

该数据集虽在Hugging Face上仅作引用索引，但实际文件托管于data.gouv.fr平台，用户可通过该平台直接下载结构化映射文件。在使用时，可将INSEE代码作为地理实体标识符，通过数据集中的对应关系快速获取该地区的维基百科概述文章，从而在空间分析、地理知识图谱构建或自动化信息检索系统中实现高效的跨库数据链接与应用集成。

背景与挑战

背景概述

该数据集创建于2023年，由法国数据开放平台data.gouv.fr上的贡献者借助Wikidata查询工具开发，主要研究人员包括N. Bonnel和A. Mouton（来自Koumoul团队）。其核心研究问题旨在建立法国INSEE地区代码与对应维基百科法文文章之间的精准映射关系，为地理与行政实体信息的语义整合提供基础数据支撑。该数据集嵌入于“Pas de vacances pour la vacance”项目中，通过对区域、省级、EPCI及市镇等多个行政层级的数据覆盖，强化了开放数据在公共政策分析与地方治理研究中的应用价值，对推动地理信息与知识图谱的跨领域融合具有显著影响。

当前挑战

该数据集所解决的领域问题在于，法国行政区划与维基百科内容之间缺乏标准化关联，导致跨平台信息检索与地理语义分析效率低下。构建过程中面临多重挑战：首先，从Wikidata中提取准确性需应对多语言标签与复杂属性查询，如使用SPARQL筛选出区域实体及其INSEE代码和对应法文文章；其次，数据整合需确保不同行政层级的映射结果与pasdevacances.org平台所覆盖的集体单位保持一致，避免遗漏或冗余；最后，由于数据集版本持续更新，维护代码与文章间的实时对应关系亦构成持续性挑战。

常用场景

经典使用场景

在法国行政区划与知识图谱交叉研究领域，Correspondance Région / Article Wikipedia 数据集作为连接法国国家统计与经济研究所（INSEE）区域编码与维基百科法文词条的关键桥梁，其经典使用场景聚焦于多源地理实体对齐任务。研究者通常利用该数据集将抽象的行政区划标识符映射至维基百科中蕴含的丰富结构化与非结构化语义信息，从而实现对法国各大区、省份及市镇知识的统一检索与整合。

解决学术问题

该数据集有效解决了地理编码与开放知识库之间难以高效关联的学术难题。在区域治理与公共政策研究中，传统方式常因数据孤岛现象而割裂了统计指标与知识背景的关联。此数据集通过标准化的映射关系，使得学者能够无缝融合官方地理编码与维基百科中关于区域历史、经济或文化的翔实记载，进而支持跨学科研究，如绘制区域知识图谱、分析行政单位语义网络的结构特征等。

衍生相关工作

围绕此数据集，衍生出一系列拓展性工作，展现了其强大的可扩展性。同一团队还发布了面向省、市镇及公共合作机构（EPCI）的对应数据集，形成了完整的法国行政区划—维基百科映射体系。这些工作不仅为区域知识检索提供了全尺度覆盖，还启发了后续研究将此类语义对齐方法推广至其他语言或国家的行政区划数据，推动了地理信息与开放知识库融合的标准化进程。