Wikidata 3 Topical Subsets (Gene Wiki, Music, Ships) and 4 Random Subsets

This dataset contains the N-Triples files of 3 Wikidata topical subsets corresponding to 3 Wikidata WikiProject: Gene Wiki, Music, and Ships along with 4 random subsets in different sizes: two of 100K items, one 500K items, and one 1M items. Subsets are extracted from the 3 January 2022 dump. All subsets have been extracted with WDumper using these JSON specification files. The files are: GeneWiki.zip: contains 25 `.nt.gz` RDF files each of which corresponds to one of the main Gene Wiki WikiProject classes, e.g. protein, gene, chemical compound, etc. music.nt.gz: the RDF file corresponding to the Music WikiProject. ships.nt.gz: the RDF file corresponding to the Ships WikiProject. Random100K_1.zip: contains 2 `nt.gz` RDF files each of which includes (about) 50,000 random Wikidata items, 100,000 items in total. Random100K_2.zip: contains 2 `nt.gz` RDF files each of which includes (about) 50,000 random Wikidata items, 100,000 items in total. Random500K.zip: contains 10 `nt.gz` RDF files each of which includes (about) 50,000 random Wikidata items, 500,000 items in total. Random1M.zip: contains 20 `nt.gz` RDF files each of which includes (about) 50,000 random Wikidata items, 1,000,000 items in total.本数据集包含3个维基数据（Wikidata）主题子集的N-Triples格式文件，对应3个维基数据维基项目（Wikidata WikiProject）：基因维基（Gene Wiki）、音乐（Music）与船舶（Ships）；同时附带4个不同规模的随机子集：2个包含10万条数据项的子集、1个包含50万条数据项的子集，以及1个包含100万条数据项的子集。所有子集均提取自2022年1月3日的维基数据转储文件，并通过WDumper工具结合指定的JSON规范文件完成抽取。 各数据集文件详情如下： 1. GeneWiki.zip：内含25个`.nt.gz`格式的RDF文件，每个文件对应基因维基维基项目的一个核心类别，例如蛋白质、基因、化合物等。 2. music.nt.gz：对应音乐维基项目的RDF文件。 3. ships.nt.gz：对应船舶维基项目的RDF文件。 4. Random100K_1.zip：内含2个`.nt.gz`格式的RDF文件，每个文件包含约5万条随机维基数据项，总计10万条。 5. Random100K_2.zip：内含2个`.nt.gz`格式的RDF文件，每个文件包含约5万条随机维基数据项，总计10万条。 6. Random500K.zip：内含10个`.nt.gz`格式的RDF文件，每个文件包含约5万条随机维基数据项，总计50万条。 7. Random1M.zip：内含20个`.nt.gz`格式的RDF文件，每个文件包含约5万条随机维基数据项，总计100万条。