包括从维基百科机器提取的信息

例如“WordLift 有多久了？” WordLift 成立于 1 年前 Google 回答“WordLift 有多久了？”这个问题 维基数据在实体、属性和关系的语义网络中构建信息，使机器能够利用庞大的事实知识库。它是一个非常广泛的知识库，完全建立在链接数据的原则之上，人群的贡献和自动数据管理。 它还提供了一个公共、可访问且超快速的 SPARQL 1.1 端点，可用于开发链接数据应用程序。 维基数据是如何组织的？ 维基数据的数据模型在某种程度上晦涩难懂且受到批评（如果您想更深入地挖掘维基数据的坏处和丑陋部分，请阅读保罗威尔顿的文章 ？它非常有启发性）从实体（或维基数据中称为项目）开始。每个实体都有自己的唯一标识符，以Q开头，例如Q149，代表世界著名的Nyan Cat模因？对于每个实体，这些实体是由声明组成的单独陈述（或事实），这些声明由带有限定符的属性和值组成，

希望这些限定符至少由一个引用来维持。Nyan Cat 有一个官方 手机号码数据 网站例如在维基数据中，可以通过 url 访问（在这个特定示例中没有引用或限定符）。个人都可以做出贡献，维基数据本体中有多种属性可供选择，可以帮助我们描述我们熟悉的概念。我个人的建议是首先查看现有项目，仔细查看交互式教程或玩维基数据游戏，但最重要的是永远记住维基数据是一个社区驱动的倡议（并且您需要非常尊重他人）并且该数据质量至关重要！ 如何从维基数据反向链接我的数据？真的有关系吗？ 反向链接在当今的 SEO 中仍然非常有价值。反向链接的数量、质量和相关性是搜索引擎评估页面的因素之一。 当涉及到像 Wikidata 或 DBpedia 这样的大型图表中发布的数据时，情况在某种程度上是相似的。一个实体可以链接到另一个知识图中的等效实体，只要它遵循关联数据原则发布即可。



这很重要，原因有二： 机器（爬虫、应用程序或智能代理）可以消除实体的歧义，并获得明确的证据表明我们指的是同一概念、人、事物或组织 机器可以为同一实体收集更多信息（以语句的形式） 让我们看一个例子。我在这里，这是我在维基数据上的实体。 安德里亚·沃尔皮尼 (Andrea Volpini) 在维基数据上的可视化 您可以在可视化中看到，我正在使用 Freebase 终止后创建的实体的新机器可读 ID 。他们使用以下格式/g/[a-z0-9]+（这里是 Gennaro Cuofano 的实体/g/11f3sj8_tw 尝试 WordLift 并创建您自己的机器可读 ID。开始免费试用！ 掌握您自己的 SEO 友好的机器可读实体 ID 的 6 个步骤 我们定期使用和测试不同的方法，这里是提升您的 MREID 的最终列表。 在网页中使用结构化数据，并使用  要您让他们相信这是正确的实体，就可以从中推断出更多信息。