Wikidata5m-KG

# Wikidata5M-KG

Wikidata5M-KG 是一个**开放域**的知识图谱，数据来源于Wikipedia及Wikidata，包含约**460万个实体**，**2100万条三元组**数据。Wikidata5M-KG 是基于 [Wikidata5M](https://deepgraphlearning.github.io/project/wikidata5m) 数据构建得到的。

## 📦 数据内容说明

### `wikidata5m_kg.tar.gz`

这是我们实验中使用的处理后知识图谱，包含：
- **4,665,331 个实体**
- **810 种关系**
- **20,987,217 条三元组**

解压后得到一个文件：`wikidata5m_kg.jsonl` ，每行是一个 JSON 对象，表示一个实体及其元信息和一跳邻居信息。示例如下：

```json
{
"entity_id": "Q10417481", // 实体唯一 ID
"entity_description": "Arethaea polingi, or Poling's thread-legged katydid, is a species of phaneropterine katydid in the family Tettigoniidae. It is found in North America.", // 实体描述
"entity_alias": ["Arethaea polingi", "arethaea polingi"], // 实体的别名
"all_one_hop_triples_str": [ // 以该实体为头实体的一跳三元组 (关系, 尾实体)
["parent taxon", "Arethaea"],
["instance of", "Taxxon"],
["taxon rank", "cohesion species"]
]
}
```

### `wikidata5m_raw_data.tar.gz`

该压缩包包含构建 `wikidata5m_kg.jsonl` 所使用的原始数据文件。
数据源自 Wikidata5M 项目，各文件的详细说明可参考 [官方文档](https://deepgraphlearning.github.io/project/wikidata5m)。

## 🔗 相关链接

- 📘 论文：[KG-Infused RAG](https://arxiv.org/abs/2506.09542)
- 💻 代码：[GitHub 项目地址](https://github.com/thunlp/KG-Infused-RAG)

## 📄 引用信息

如果您在研究中使用了该知识图谱，请引用以下文献：

```bibtex
@article{wu2025kg,
title={KG-Infused RAG: Augmenting Corpus-Based RAG with External Knowledge Graphs},
author={Wu, Dingjun and Yan, Yukun and Liu, Zhenghao and Liu, Zhiyuan and Sun, Maosong},
journal={arXiv preprint arXiv:2506.09542},
year={2025}
}

# Wikidata5M-KG 知识图谱

Wikidata5M-KG 是一款**开放域**知识图谱，数据源自维基百科（Wikipedia）与维基数据（Wikidata），共包含约460万个实体与2100万条三元组（triple）数据。本数据集基于 [Wikidata5M](https://deepgraphlearning.github.io/project/wikidata5m) 项目数据构建而成。

## 📦 数据内容说明

### `wikidata5m_kg.tar.gz`

该压缩包为本实验所用的预处理后知识图谱，包含：
- **4,665,331 个实体**
- **810 种关系类型**
- **20,987,217 条三元组**

解压后将得到文件 `wikidata5m_kg.jsonl`，每行均为一个JSON对象，用于表征单个实体及其元信息与一跳邻接信息。示例如下：

json
{
"entity_id": "Q10417481", // 实体唯一标识符
"entity_description": "Poling细腿螽斯（Arethaea polingi）是螽斯科（Tettigoniidae）下的露螽亚科螽斯物种，分布于北美洲。", // 实体描述
"entity_alias": ["Arethaea polingi", "arethaea polingi"], // 实体别名
"all_one_hop_triples_str": [ // 以该实体为头实体的一跳三元组（关系，尾实体）
["父级分类单元", "Arethaea"],
["属于类别", "分类单元"],
["分类等级", "聚合种"]
]
}

### `wikidata5m_raw_data.tar.gz`

该压缩包包含构建 `wikidata5m_kg.jsonl` 所需的原始数据文件。本数据源自Wikidata5M项目，各文件的详细说明可参考[官方文档](https://deepgraphlearning.github.io/project/wikidata5m)。

## 🔗 相关链接

- 📘 论文：[KG-Infused RAG](https://arxiv.org/abs/2506.09542)
- 💻 代码：[GitHub 项目仓库](https://github.com/thunlp/KG-Infused-RAG)

## 📄 引用信息

若您的研究工作使用了本知识图谱，请引用如下文献：

bibtex
@article{wu2025kg,
title={KG-Infused RAG: Augmenting Corpus-Based RAG with External Knowledge Graphs},
author={Wu, Dingjun and Yan, Yukun and Liu, Zhenghao and Liu, Zhiyuan and Sun, Maosong},
journal={arXiv preprint arXiv:2506.09542},
year={2025}
}

搜集汇总

背景与挑战

背景概述

Wikidata5m-KG是一个开放领域的知识图谱，包含约460万实体和2100万三元组，数据来源于Wikipedia和Wikidata。数据集提供了处理后的知识图谱文件，包括实体描述、别名和一跳三元组信息，适用于知识图谱相关研究和应用。