はじめに

授業で、Linked Open Dataについての課題があり、DBpediaを使えばスクレイピングなどしなくてもそこそこのデータを持ってこれるのでは、とのことで、来たる有馬記念に向けて、過去の有馬記念の勝ち馬の毛色を調べて見ました。

DBpediaとは

Wikipediaの情報をRDFという、コンピュータが識別しやすい形で抽出するプロジェクトのこと。

例

夏目漱石を例に、DBpediaをみてみると夏目漱石 -dbpedia
このように、

Property	value
prop-ja:birthDate	--02-09
dbpedia-owl:birthPlace	dbpedia-ja:武蔵国
出生地、誕生日などが扱いやすいように抽出されています。

さて、これを使って、過去の有馬記念の勝ち馬の毛色を調べて見ました。

投げたクエリー

select distinct ?color_name (count(?color_name) AS ?color) where {
  {
    ?name prop-ja:wikiPageUsesTemplate template-ja:有馬記念勝ち馬.
  }

  ?name rdfs:label ?label ;
    prop-ja:色 ?color_name.
} ORDER BY DESC(?color)

結果

color_name	color
http://ja.dbpedia.org/resource/鹿毛	27
http://ja.dbpedia.org/resource/黒鹿毛	11
http://ja.dbpedia.org/resource/栗毛	10
http://ja.dbpedia.org/resource/芦毛	2
http://ja.dbpedia.org/resource/青鹿毛	2
http://ja.dbpedia.org/resource/青毛	1
http://ja.dbpedia.org/resource/栃栗毛	1

なるほど、鹿毛が多い...っと、となるのですが、そもそも競走馬の毛色は何色が多いの？鹿毛が多いのでは？と思って調べて見ました。

select distinct ?color_name (count(?color_name) AS ?color) where {
  {
    ?name dbpedia-owl:wikiPageWikiLink category-ja:日本生産の競走馬.
  } union {
     ?name dbpedia-owl:wikiPageWikiLink category-ja:日本調教の競走馬.
  }

  ?name rdfs:label ?label ;
    prop-ja:色 ?color_name.
} ORDER BY DESC(?color)

color_name	color
http://ja.dbpedia.org/resource/鹿毛	1575
http://ja.dbpedia.org/resource/栗毛	717
http://ja.dbpedia.org/resource/黒鹿毛	631
http://ja.dbpedia.org/resource/芦毛	185
http://ja.dbpedia.org/resource/青鹿毛	132
http://ja.dbpedia.org/resource/青毛	58
http://ja.dbpedia.org/resource/栃栗毛	37
http://ja.dbpedia.org/resource/白毛	14
http://ja.dbpedia.org/resource/馬の毛色	6
"鹿毛"@ja	2
"不明"@ja	1
"赤毛（鹿毛）"@ja	1

はい、推測の通り、そもそも鹿毛が多いようでした。

MySQLでこうやりたいけど、SPARQLだとどうやるの...となってちょっとイライラしてしまいますが、スクレイピングなどしなくても興味のあるデータがさらっととってこれるので割と面白いのでは、と思いました