Hugging Face's logo

Datasets:
eduzrh
/
STKGA

Tasks:
Graph Machine Learning
Languages:
English
Tags:
entity-alignment
knowledge-graph
temporal-knowledge-graph
icews
yago
wikipedia
License:
Dataset card Files
xet
 Community
STKGA / STEA_plan.md
eduzrh's picture
eduzrh
Upload STEA_plan.md with huggingface_hub
adbd0a3 verified
preview code
|
raw
history blame contribute delete
6.65 kB

STEA(W-I) / STEA(Y-I) 时空实体对齐数据集构建方案

1. 目标与设计原则

1.1 目标

基于已有 STKGA 的 icews_wiki 和 icews_yago 纯时序数据集，为每条 triple 补充异构空间位置信息，构建时空五元组 (head, rel, tail, time, spatial_info)，产出两个新数据集：

  • **STEA(W-I)**：ICEWS ↔ Wikipedia，含空间事实
  • **STEA(Y-I)**：ICEWS ↔ YAGO，含空间事实

1.2 设计决策

决策项 选择 理由
空间粒度 事件/元组级别 每条 triple 自带空间信息，而非套实体级静态坐标
空间表示 异构三模态 lat/lon + spatial_text + admin_region 并行独立
无空间信息 跳过不填 不强制造假数据
原始数据 一字不改、一行不删 纯 JOIN 追加列，原始文件全部复用
命名 STEA(W-I) / STEA(Y-I) 与 PhyWorld-Align 论文对齐

1.3 异构空间设计

对标论文核心挑战：*"同一个实体在不同 KG 中空间记录方式截然不同——KG1 用精确 GPS，KG2 只有文本描述"*

每条 triple 的空间字段从简单的 lat\tlon 升级为 三模态并行：

head_id  rel_id  tail_id  time_id  flag  lat     lon       spatial_text       admin_region
6138     111     3990     135      135   41.9028 12.4964   Rome, Italy        Italy/Lazio/Rome
6147     3       10429    204      204                                     office corridor
22665    272     11465    324      324   38.8977 -77.0365  US Capitol        United States/DC
字段 说明 ICEWS 端来源 Wikipedia 端来源 YAGO 端来源
lat 纬度 ICEWS Latitude Wikidata P625 YAGO hasLatitude
lon 经度 ICEWS Longitude Wikidata P625 YAGO hasLongitude
spatial_text 文本位置描述 City + Actor name Wikidata P276 / 页面标题 YAGO happenedIn
admin_region 层级行政区域 Country/Province/City Wikidata P131/P17 YAGO isLocatedIn

关键：三列互不依赖，各自独立。某列没有就留空。

2. 数据现状

icews_wiki icews_yago
KG1 实体 11,047 (ICEWS) 26,863 (ICEWS)
KG1 三元组 3,527,881 4,192,555
KG2 实体 15,831 (Wikipedia) 22,555 (YAGO)
KG2 三元组 198,257 107,118
训练/测试对 1,518 / 3,540 5,648 / 13,176

3. 三路空间数据获取

Phase 1: Wikipedia 实体空间数据

数据源：Wikidata SPARQL (query.wikidata.org/sparql)

SELECT ?enTitle ?lat ?lon ?adminLabel ?locationLabel ?countryLabel WHERE {
  VALUES ?enTitle { "title1"@en ... }
  ?article schema:about ?item ;
           schema:isPartOf <https://en.wikipedia.org/> ;
           schema:name ?enTitle .
  OPTIONAL { ?item wdt:P625 ?coord . }          # GPS
  OPTIONAL { ?item wdt:P131 ?admin . }          # 行政区域
  OPTIONAL { ?item wdt:P276 ?location . }       # 所在位置
  OPTIONAL { ?item wdt:P17 ?country . }         # 国家
}

参数：250 实体/批，64 批，间隔 1.5s，90s 超时，3 次重试

Phase 2: YAGO 实体空间数据

方案 A：YAGO SPARQL (yago-knowledge.org/sparql)

SELECT ?entity ?lat ?lon ?locationName ?adminName WHERE {
  VALUES ?entity { <http://yago-knowledge.org/resource/XXX> ... }
  OPTIONAL { ?entity yago:hasLatitude ?lat . }
  OPTIONAL { ?entity yago:hasLongitude ?lon . }
  OPTIONAL { ?entity yago:isLocatedIn ?admin . }
  OPTIONAL { ?entity yago:happenedIn ?location . }
}

方案 B（备选）：YAGO 4.5 RDF dump 本地解析

Phase 3: ICEWS 事件空间数据

数据源：哈佛 Dataverse ICEWS Coded Event Data

  1. 下载 ICEWS 事件数据（.tab，约 2GB）
  2. 构建 Actor Name → Entity ID 映射
  3. 遍历 triples_1，用 (actor, event_type, date) 匹配原始 ICEWS 事件
  4. 提取：Latitude, Longitude, City, Province, Country
  5. 备选：若匹配率低，用 Nominatim Geocoding 补充

4. 融合逻辑 

对 triples_1 每条 (h, r, t, time):
  → 用 (h_entity_name, r_type, time_window) 搜 ICEWS 原始事件
  → 匹配成功: lat, lon, spatial_text(City), admin_region(Country/Province)
  → 匹配失败: 四列留空

对 triples_2 每条 (h, r, t, time):
  → 用 h_entity_id 查 Phase 1/2 结果
  → 有数据: lat, lon, spatial_text, admin_region
  → 无数据: 四列留空

融合不是外部数据混合：原始 triple 一行不改，只在末尾 JOIN 追加空间列。

5. 输出文件结构

STEA_W-I/ 和 STEA_Y-I/ 各 12 个文件 

STEA_W-I/
├── ent_ids_1         复用
├── ent_ids_2         复用
├── rel_ids_1         复用
├── rel_ids_2         复用
├── time_id           复用
├── sup_pairs         复用
├── ref_pairs         复用
├── ref_ent_ids       复用
├── triples_1.tsv     NEW：原 5 列 + lat + lon + spatial_text + admin_region
├── triples_2.tsv     NEW：同上
├── ent_locations_1.tsv  NEW：实体坐标索引
└── ent_locations_2.tsv  NEW：实体坐标索引

新增文件列结构

triples_1.tsv / triples_2.tsv（9 列）：

head_id  rel_id  tail_id  time_id  flag  lat  lon  spatial_text  admin_region

ent_locations_1.tsv / ent_locations_2.tsv（6 列）：

entity_id  lat  lon  spatial_text  admin_region  source

6. 校验

校验项 规则
坐标范围 lat ∈ [-90,90], lon ∈ [-180,180]
缺失率 分别统计四列在 triples_1 和 triples_2 中的填充率
一致性抽查 ICEWS 端同一实体相邻时间戳坐标距离是否物理可达
行数不变 wc -l triples_1.tsv == wc -l triples_1_原文件

7. 执行步骤

步骤 内容 预估
P1 Wikidata SPARQL 查 Wikipedia 空间数据 15 min
P2 YAGO SPARQL 查 YAGO 空间数据 15 min
P3a 下载 ICEWS 原始事件 10 min
P3b ICEWS 事件匹配提取 30 min
P4 融合生成 triples + ent_locations 5 min
P5 校验 + 统计 5 min
P6 上传 Hugging Face 10 min

8. 发布

仓库：https://huggingface.co/datasets/eduzrh/STKGA 目录：STEA_W-I/ 和 STEA_Y-I/

9. 风险应对

风险 应对
Wikidata SPARQL 超时 减小批次 200，3 次重试
YAGO SPARQL 不可用 改本地 RDF dump 解析
ICEWS 下载受限 Nominatim geocoding 替代
ICEWS Actor 不匹配 模糊匹配 + 高频实体手动标注