Benchmark Datasets for Entity Linking from Tabular Data

📖 Benchmark Datasets for Entity Linking from Tabular Data (Version 2) This archive provides a benchmark suite for evaluating entity linking algorithms on structured tabular data.It is organised into two parts: • Challenge datasets (HTR1, HTR2): From the SemTab Table-to-KG Challenge, widely used in academic evaluations of table-to-KG alignment systems. Each is a dataset (a collection of many tables) provided with ground truth and candidate mappings.👉 Please also cite the SemTab Challenge when using these resources. • Real-world tables (Company, Movie, SN):• Company — one table constructed via SPARQL queries on Wikidata, with both Wikidata and Crunchbase ground truths.• Movie — one table constructed via SPARQL queries on Wikidata.• SN (Spend Network) — one procurement table from the enRichMyData (EMD) project, manually annotated and including NIL cases for mentions with no known Wikidata match. A shared top-level folder (mention_to_qid/) provides JSON files mapping surface mentions to candidate QIDs for these real-world tables. ⸻ 📂 Contents Each dataset or table includes: • One or more input CSV tables • Ground truth files mapping mentions/cells to Wikidata QIDs (or NIL) • Candidate mappings (mention_to_qid/*.json), sometimes multiple variants • Optional files such as column_classifications.json or cell_to_qid.json ⸻ 📝 Licensing • HTR1 & HTR2: CC BY 4.0 • Company & Movie: Derived from Wikidata (public domain; CC0 1.0) • SN: CC BY 4.0 (from the enRichMyData project) ⸻ 📌 Citation If you use these datasets, please cite: • This Zenodo record (Version 2):Avogadro, R., & Rauniyar, A. (2025). Benchmark Datasets for Entity Linking from Tabular Data (Version 2). Zenodo. https://doi.org/10.5281/zenodo.15888942 • The SemTab Challenge (for HTR1/HTR2):SemTab: Semantic Web Challenge on Tabular Data to Knowledge Graph Matching (Table-to-KG). (Cite the relevant SemTab overview paper for the year you reference.) • Wikidata: Data retrieved from Wikidata (public domain; CC0 1.0). • enRichMyData (for SN / Spend Network): Project resources from enRichMyData, licensed under CC BY 4.0.📖 表格数据实体链接（Entity Linking）基准数据集（版本2） 本归档文件提供了一套用于评估结构化表格数据上实体链接算法的基准套件。其分为两个部分： • 挑战数据集（HTR1、HTR2）：源自SemTab表格到知识图谱（Table-to-KG）挑战赛，广泛应用于学术领域中表格到知识图谱对齐系统的评估。每个数据集均为包含多张表格的集合，附带真值标注（ground truth）与候选映射关系。👉 使用此类资源时，请同时引用SemTab挑战赛相关文献。 • 真实世界表格（Company、Movie、SN）： - Company：通过对Wikidata执行SPARQL查询构建的单张表格，同时包含Wikidata与Crunchbase的真值标注。 - Movie：通过对Wikidata执行SPARQL查询构建的单张表格。 - SN（Spend Network，支出网络）：源自enRichMyData（EMD）项目的一张采购表格，经人工标注，涵盖无匹配Wikidata实体的提及对应的空值（NIL）案例。 共享顶层目录`mention_to_qid/`提供了将表层提及映射至上述真实世界表格候选QID的JSON文件。 ⸻ 📂 数据集内容 每个数据集或表格包含以下内容： • 一个或多个输入CSV表格文件 • 真值标注文件，用于将提及/单元格映射至Wikidata QID（或NIL空值） • 候选映射文件（`mention_to_qid/*.json`），部分包含多种变体 • 可选文件，如`column_classifications.json`或`cell_to_qid.json` ⸻ 📝 授权协议 • HTR1与HTR2：采用CC BY 4.0协议 • Company与Movie：源自Wikidata（公有领域；CC0 1.0协议） • SN：采用CC BY 4.0协议（源自enRichMyData项目） ⸻ 📌 引用说明 若使用本数据集，请引用以下文献： 1. 本Zenodo归档（版本2）：Avogadro, R., & Rauniyar, A. (2025). Benchmark Datasets for Entity Linking from Tabular Data (Version 2). Zenodo. https://doi.org/10.5281/zenodo.15888942 2. SemTab挑战赛（针对HTR1/HTR2数据集）：SemTab: Semantic Web Challenge on Tabular Data to Knowledge Graph Matching (Table-to-KG)。请根据您引用的年份引用对应的SemTab综述论文。 3. Wikidata：数据源自Wikidata（公有领域；CC0 1.0协议）。 4. enRichMyData（针对SN/Spend Network数据集）：项目资源源自enRichMyData，采用CC BY 4.0协议授权。