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

该数据集通过Wikidata查询工具获得，用于关联法国省份的Insee代码与对应的Wikipedia文章。它允许在Insee代码和相应Wikipedia文章之间建立对应关系。查询是针对每个省份进行的，然后将数据汇编到同一个文件中。该数据集已集成到“Pas de vacances pour la vacance”中，包括在主应用程序和数据空间中。其他地理级别也可用：例如地区、EPCI和市镇级别的对应数据集。

This dataset is obtained via the Wikidata query tool, which is designed to associate INSEE codes of French provinces with their corresponding Wikipedia articles, enabling the establishment of direct correspondence between the two. Queries were performed for each individual province, and the collected data was compiled into a single consolidated file. This dataset has been integrated into the project "Pas de vacances pour la vacance", across both its main application and dedicated data space. Corresponding datasets for other geographic levels are also available, including those at the regional, EPCI, and commune levels.

搜集汇总

数据集介绍

构建方式

该数据集通过Wikidata查询工具精心构建而成，旨在建立法国省份INSEE代码与对应维基百科文章之间的映射关系。借助@Koumoul（N. Bonnel与A. Mouton）的协助，对每个省份逐一执行SPARQL查询，从Wikidata中提取省份实体、其INSEE代码以及关联的法语维基百科文章链接，最终将分散的数据整合至统一文件中。这一过程确保了数据的高精度与全面性，为跨系统关联提供了坚实桥梁。

特点

数据集专注于法国行政区划中的省份层级，提供简洁而精确的INSEE代码与维基百科文章的对应关系。其核心价值在于打通统计编码与百科知识之间的壁垒，便于用户在数据分析、知识图谱构建或应用程序开发中快速定位省份信息。此外，该数据还作为“Pas de vacances pour la vacance”项目的组成部分，嵌入主应用与数据空间，并延伸至大区、EPCI及市镇等不同行政尺度的相似数据集，形成层次化关联体系。

使用方法

用户可直接从Data.gouv.fr平台获取原始数据集文件，并加载至编程环境（如Python）中使用。由于数据集结构简明，通常包含省份标识、INSEE代码与维基百科文章URL等字段，可通过字典或DataFrame形式读取，实现快速索引与匹配。在分析任务中，例如将统计代码映射至百科文章以丰富上下文信息，或作为知识图谱的链接实体，均能发挥其高效性。需注意数据集采用开放许可协议，允许自由使用与二次分发。

背景与挑战

背景概述

该数据集创建于2023年，由Koumoul团队（N. Bonnel与A. Mouton）基于Wikidata查询工具构建，旨在建立法国省份的INSEE代码与对应维基百科文章之间的映射关系。作为开放数据生态中的重要纽带，它填补了地理行政编码与网络百科知识之间的语义鸿沟，为自动化信息关联、知识图谱构建及地方数据治理提供了基础资源。该数据集已被集成至“Pas de vacances pour la vacance”项目的主应用与数据空间，并衍生出针对地区、EPCI及市镇等不同行政层级的系列数据集，显著推动了法国地方数据的互操作性与可发现性。

当前挑战

该数据集首要解决的领域问题是如何实现非结构化百科条目与结构化行政代码的精准对齐，尤其在维基百科条目名称与INSEE编码规范存在偏差时，映射准确性面临挑战。此外，构建过程中依赖SPARQL查询从Wikidata获取数据，需处理复杂关联、语言过滤及结果集分页等技术难题，例如单次查询限制1000条记录，需通过偏移量逐批采集后合并。同时，随行政区划调整（如省份合并或代码废止），数据集的时效性与维护更新亦构成持续挑战。

常用场景

经典使用场景

在法国行政地理信息与知识图谱交叉研究领域，该数据集建立了法国省份（département）的INSEE官方代码与维基百科法文词条之间的精确映射关系。研究者可借助此数据集，将结构化的行政地理数据与维基百科中丰富的文本、图片及引用信息无缝关联，为知识库构建、地理实体链接和跨模态信息检索提供了基础桥梁。其经典用法包括：作为地理命名实体消歧的基准映射表，用于将分散的行政代码快速转化为可阅读、可查询的百科知识条目，从而支撑更复杂的多源数据融合任务。

实际应用

在实际部署中，该数据集已成为数据新闻与公共治理工具链中的关键组件。例如，在“Pas de vacances pour la vacance”项目中，它被集成至核心应用与数据空间，使得市民与政策制定者能够通过直观的百科链接快速了解特定省份的土地利用现状与空置问题。此外，城市规划者、房地产分析师和旅游推广机构利用这一映射，可将INSEE发布的统计报表直接关联至对应的百科条目，自动生成图文并茂的区域简报，显著提升数据解读效率与公众参与度。

衍生相关工作

该数据集催生了覆盖法国多级行政区划的系列映射工作。受其启发，研究者进一步构建了对应大区（Région）、市镇公共合作组织（EPCI）以及市镇（Commune）的维基百科文章关联数据集。这些衍生成果不仅在同一生态内保持了映射方法的一致性，还使得跨层级的地理关联查询成为可能。后续工作如《基于维基数据的地理实体链接框架》等学术文章，也借鉴了该数据集的创意与实现路径，推动了大规模地理知识图谱的自动化构建与质量评估方法的发展。