Van experiment naar werking

Begin april hebben we het data model voor actoren en activiteiten min of meer op punt, gebaseerd op wat ervaring en enkele voorbeelden. Tijd om te testen of dit nu ook echt werkt.

Ingest van Belgische gemeenten en steden

Op basis van ergens een lijst heb ik op 9 april 2022 belgische gemeenten en steden via quickstatements ingested. Daarbij moet er ergens iets fout gelopen zijn, want een aantal gemeenten zitten er dubbel in:

SELECT ?landLabel ?itemLabel (GROUP_CONCAT(?item) as ?itemURLs) (count(?itemLabel) as ?itemLabelCount) {
 ?item <http://osloddt.wiki.opencura.com/prop/direct/P1> <http://osloddt.wiki.opencura.com/entity/Q229>;
       <http://osloddt.wiki.opencura.com/prop/direct/P20> ?land.
 SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],nl,en" . }
}
GROUP BY ?landLabel ?itemLabel
HAVING (count(?itemLabel) > 1)

Dit is dus een TODO om die waar nodig te mergen.

Ingest van gecombineerde personen, organisaties en venues

Opkuis

Een massa import gaat gepaard met ruis. Er is dus heel wat opkuiswerk nodig. We denken meteen aan de kunsthogescholen en de cultuurcentra, maar in de legacy databanken zaten ook heel wat personen of organisaties dubbel. Dan is er ook het oude zeer van organisaties die ook venues zijn in de legacy databanken, en die we nu bij mekaar brengen.

Cultuurcentra

Cultuurcentra hebben vaak namen die beginnen met CC of die het woord "cultuurcentrum" bevatten. Deze query kan die helpen vinden:

SELECT DISTINCT ?itemLabel (GROUP_CONCAT(?item) AS ?items)
 WHERE {
   ?item <http://osloddt.wiki.opencura.com/prop/direct/P1> ?type.
   ?item rdfs:label ?itemLabel .  
   FILTER (CONTAINS(?itemLabel, "CC") || CONTAINS(?itemLabel, "Cultuurcentrum")) .
   SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],nl,en" . }
 }
GROUP BY ?itemLabel