Wikipedia - Consultas sparql con petscan

Created in December 24, 2024

2024   ·   wikipedia,   wikidata,   sparql,   petscan,   nosql,   base   de   datos   ·   wikipedia

Datos Generales

  • Plataforma: Wikipedia, Wikidata
  • Dificultad: Media
  • Duracion: 20 minutos
  • Observaciones: Realización de consultas no complejas en sparql con petscan

Un poco de teoría

Qué es sparql?

En términos simples, es un lenguaje para la consulta de base de datos. Con algunas particularidades.

  • Primero, esta más cerca de ser un lenguaje de base de datos no relacional (NoSQL) aunque maneja una sintaxis parecida a SQL.
  • Segundo, Este lenguaje esta pensado para hacer consultas en la web semántica.
  • Tercero, lo usa Wikipedia para las consultas de su data.

Más teoría en: https://datascience.recursos.uoc.edu/es/sparql/ y https://es.wikipedia.org/wiki/SPARQL

Que es una consulta?

De forma muy pero muy básica, una consulta es una petición de algo a un catálogo existente. Por ejemplo si entramos a una tienda consultamos si existe “x” producto, la persona que atiende nos responderá sobre la existencia del mismo. Lo mismo sucede con las bases de datos, con la diferencia de que se manejan grandes cantidades de datos y, dependiendo los permisos, es posible realizar diferentes actividades en las tablas existentes en la base de datos.

Más teoría en https://www.hostinger.es/tutoriales/que-es-consulta-base-de-datos/

Como hago una consulta en sparql?

La sintaxis utilizada en SPARQL está diseñada para la manipulación y consulta de grafos RDF (Resource Description Framework) en la web. Se basa en tripletas que representan una estructura de datos formada por entidades, propiedades, y sus relaciones. Estas tripletas siguen el patrón: sujeto - predicado - objeto. Para realizar una consulta en SPARQL, se necesitan dos elementos clave: las entidades, que representan los nodos del grafo, y las propiedades, que describen las relaciones entre esas entidades.

Una mejor explicación la podemos encontrar en: https://data.cervantesvirtual.com/noticia/tutorial-de-inicio-a-sparql

Vamos a la práctica

Petscan

Empecemos conociendo como ingresar y realizar nuestra consulta.

    1. Realizaremos una consulta para conocer especies animales endemicas de Bolivia.

Consulta utilizada

SELECT ?especie ?especieLabel ?nombreCientifico ?claseLabel
WHERE {
  ?especie wdt:P31 wd:Q16521;                 # Instancia de especie
           wdt:P183 wd:Q750.                  # País de distribución nativa: Bolivia
  OPTIONAL { ?especie wdt:P225 ?nombreCientifico. } # Nombre científico (opcional)
  OPTIONAL { ?especie wdt:P105 ?clase. }      # Rango taxonómico o clase (opcional)
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
}
ORDER BY ?especieLabel

Notemos que los campos wd y wdt son las entidades y propiedades de las que hablamos en la teoría.

wdt (Wikidata Truthy Statements)

  • wdt: se refiere a las declaraciones verificadas o afirmaciones “truthy” en Wikidata. Estas son las relaciones directas entre un sujeto y un objeto, omitiendo información adicional como referencias, calificadores o rangos temporales.
    • Es ideal para consultas rápidas, ya que no incluye datos adicionales.

En el ejemplo se entiende de esta manera:

  • wdt:P31: Representa la propiedad “instancia de” en Wikidata.
  • wdt:P183: Representa la propiedad “país de distribución nativa”.

Uso:

  • Permite filtrar por elementos que tienen relaciones simples y directas. En este caso:
    • ?especie wdt:P31 wd:Q16521: Busca elementos donde el sujeto (?especie) sea una instancia de especie (Q16521).
    • ?especie wdt:P183 wd:Q750: Busca elementos donde el sujeto (?especie) tenga a Bolivia (Q750) como país de distribución nativa. —

wd (Wikidata Entity)

  • wd: se refiere a las entidades de Wikidata. Estas entidades son identificadores únicos asignados a conceptos, personas, lugares, propiedades, etc., en Wikidata.
  • Los identificadores tienen el formato Q##### para elementos o P##### para propiedades.

En el ejemplo se entiende de esta manera:

  • wd:Q16521: Representa el concepto de especie.
  • wd:Q750: Representa el concepto de Bolivia.

Uso:

  • Se utiliza como valor de una propiedad en una declaración. En este caso:
    • wd:Q16521 es el valor de wdt:P31 para especificar que algo es una especie.
    • wd:Q750 es el valor de wdt:P183 para indicar que Bolivia es el país de distribución nativa.

De donde se obtiene los valores “P” y “Q” para la consulta?

Para el valor Q

  • ingresamos a www.wikidata.org
  • Realizamos la búsqueda de nuestro interés y observamos el valor Q de cada respuesta

Para el valor P

La lista de propiedades podemos encontrarla en https://www.wikidata.org/wiki/Wikidata:List_of_properties En esta pagina ingresamos el valor buscado, oprimimos en buscar y obtenemos el resultado. En la imagen muestra el valor P de la propiedad endémico utilizado en nuestra búsqueda.

El resultado será el siguiente:

podemos observar que cada artículo cuenta con su valor Q

Hagamoslo sencillo

Hasta aqui es un enredo que a pesar de que es intuitivo es complicado de construir y de hallar la información. Por ello recurri a chatgpt, aplicación que construye la consulta de manera automática. El prompt que utilice es el siguiente:

ayudame a construir una petición que muestre todos las especies animales endemicas de bolivia existentes en la base de datos de wikipedia utilizando sparql.

Obteniendo la siguiente respuesta que se utilizo en la consulta de ejemplo

copiamos el código propuesto a la consulta en sparql https://petscan.wmcloud.org/ y oprimimos en do it

Parte del resultado se verá asi

Es todo por esta entrada. La teoría y la práctica anterior explica brevemente el contenido de esta consulta. Si, falta las variables que filtra la consulta pero lo básico y de donde sale lo expuesto espero que se comprenda. Realizare más entradas para complejizar estas consultas.

Feliz Navidad¡¡¡ Abrazo fuerte :)