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

该数据集是通过Wikidata查询工具获得的，并得到了@Koumoul（N. Bonnel和A. Mouton）的宝贵帮助。它允许在法国市镇（commune）的Insee代码和对应的维基百科文章之间建立对应关系。查询针对每个部门进行，然后将数据整合到同一个文件中，以与[pasdevacances.org]覆盖的社区对应。该数据集已集成到“Pas de vacances pour la vacance”项目中，包括主要应用程序和数据空间。此外，还提供了其他地理尺度的数据集，例如[地区]、[部门]和[EPCI]的对应关系。数据集包含一个名为wikipedia-communes的配置，文件格式为Parquet，用于训练分割。

This dataset was obtained via the Wikidata query tool, with valuable assistance from @Koumoul (N. Bonnel and A. Mouton). It enables the establishment of correspondence between the INSEE codes of French communes and their corresponding Wikipedia articles. Queries were conducted per department, after which the data was consolidated into a single file to align with the communities covered by [pasdevacances.org]. This dataset has been integrated into the "Pas de vacances pour la vacance" project, including its main applications and data spaces. Additionally, datasets for other geographic scales are provided, such as correspondences for [regions], [départements], and [EPCI]. The dataset includes a configuration named wikipedia-communes, with files in Parquet format for training splits.

搜集汇总

数据集介绍

构建方式

该数据集通过Wikidata的SPARQL查询工具构建而成，得益于@Koumoul（N. Bonnel与A. Mouton）的协作支持。查询针对法国各行政区划逐一执行，旨在提取每个市镇（commune）的INSEE代码及其对应的法文维基百科条目。查询语句中约束了市镇应归属于省份（P131: Q3068）且具备INSEE代码属性（P374），同时关联了维基百科文章（schema:about）并限定语言为法语。各行政区查询结果汇合后，整合为单一文件，并与pasdevacances.org项目涵盖的集体单位建立映射关系，最终形成可供下游应用直接使用的结构化对照表。

特点

该数据集的核心特点在于建立了法国市镇INSEE代码与法文维基百科文章之间的精确映射，具有鲜明的领域实用性和地域针对性。数据来源于权威的Wikidata知识图谱，保障了条目关联的准确性与可追溯性。作为“Pas de vacances pour la vacance”项目的基础组件，它被嵌入主应用程序与数据空间，赋能空置住房治理场景。此外，数据集并非孤立存在，其配套提供了面向大区、省份及EPCI等不同行政层级的相似对照集，形成了层次化、可扩展的映射体系，显著提升了跨层级数据融合的便利性。

使用方法

该数据集可通过其托管于data.gouv.fr的原始资源直接访问，尽管Hugging Face页面仅作为引用节点而内容为空。用户可基于INSEE代码作为键值执行关联查询，迅速获取任意法国市镇的维基百科文章链接，适用于地图标注、知识图谱增强或地理信息系统集成等场景。在“Pas de vacances pour la vacance”项目中，它支撑了空置住房信息的上下文丰富化。对于需要更大行政尺度的研究者，开发者已提供地区、省份及EPCI层级的独立数据集，便于按需选用。使用时应注明开放许可（Other Open）并遵循相应数据引用规范。

背景与挑战

背景概述

在法国行政区划与开放数据交叉领域，将官方编码（如INSEE代码）与维基百科条目进行精准映射，是连接结构化地理信息与半结构化百科知识的关键基础设施。该数据集由研究者N. Bonnel与A. Mouton（来自Koumoul团队）于2023年（基于数据发布平台data.gouv.fr的元数据特征）构建，旨在为“Pas de vacances pour la vacance”项目提供核心数据支撑，该项目聚焦于法国空置住房的分析与可视化。通过Wikidata查询工具，数据集系统性地建立了法国市镇（commune）与对应维基百科法语版文章之间的对应关系，填补了地方行政编码与大众百科知识之间的鸿沟。其对相关领域的影响力体现在：为城市研究、公共政策分析及公民科学项目提供了可复用的跨平台链接基准，推动了法国开放数据生态中行政数据与知识图谱的深度融合。

当前挑战

该数据集面临的核心挑战首先源于领域问题的复杂性：法国市镇频繁的合并、拆分或改名（如新市镇制度）导致INSEE代码与维基百科文章之间的对应关系需要持续动态更新，而数据集基于静态Wikidata查询构建，难以自动化追踪这类变更。其次，构建过程中遭遇了技术性挑战：Wikidata查询受限于每次1000条结果的限制，需对每个法国省份（département）分别执行查询后再拼接，此过程要求精确处理跨省数据的去重与一致性校验，同时避免因网络延迟或API限流导致的数据缺失。此外，数据集在维护中面临粒度冲突——当同一市镇因历史或行政边界调整存在多个维基百科条目时，如何确立唯一对应关系成为难题。

常用场景

经典使用场景

在法国行政地理与地名信息处理领域，本数据集的核心价值在于建立了法国市镇（commune）的INSEE编码与对应维基百科文章之间的精确映射关系。研究人员能够利用此数据集，将法国国家统计与经济研究所（INSEE）的标准化行政区划代码无缝链接至维基百科中丰富的人文、地理和历史信息。这一映射为地理信息系统（GIS）、知识图谱构建以及多源数据融合提供了基础性的桥梁，尤其适用于需要整合结构化行政标识与半结构化文本知识的各类分析任务。

解决学术问题

该数据集有效解决了法国地理信息研究中一个长期存在的碎片化难题：行政代码与开放知识库之间的互操作性不足。学术研究者常受困于INSEE代码与维基百科实体间的标签匹配问题，导致数据检索效率低下。此数据集通过批量查询维基数据（Wikidata）并整合到统一的对应表中，提供了高效、可复用的解决方案。其意义在于极大降低了跨库数据融合的门槛，推动了地理学、社会学和语言学领域中关于法国市镇级空间分布、人口演变及地名语义演化的计量研究。

衍生相关工作

此数据集催生了一系列层次化的参照工作，形成了从市镇到区域（Région）、省（Département）及公共跨市镇合作机构（EPCI）的多级维基百科文章映射体系。这些衍生数据产品拓展了原有市镇级映射的覆盖范围，使得研究者和开发者能够实现任意法国行政级别的代码与知识库对接。相关的经典工作还包括基于此数据集开发的语义查询工具和知识图谱构建范例，它们推动了开源数据治理中的跨机构协作，并为后续类似的地理-文本链接任务提供了方法论的借鉴与模板。