我想写一个程序，它可以通过维基百科的网页，提取出形式为（"主题"、"关系"、"对象"）的语义事实。事实的例子可能是（"Age Of Empire"，"develop by"，"Ensemble Studios"）。怎样才能做到这样的事情呢？
这是一个 积极研究的问题。 一个良好的开端，就是要加快步伐。弗莱堡大学的西兰花引擎。. 他们必须准确地解决这个问题，另外还必须使产生的数据集可用。有不少有趣的 出版物 特别是关于 通过上下文句子分解进行开放式信息提取 (PDF) 会对您的问题感兴趣。您可能也会对他们的 后续研究.
如果你 只需要数据 的东西，有更简单的方法来获得它--至少是好的部分。有一个公开的大的事实数据库叫做 自由基 被谷歌收购，随后停用，改用了 维基数据. 不幸的是，他们有 问题 统一数据集。幸运的是 整个自由基数据集 仍可下载。
我不知道你的动机是什么，但我建议你从以下方面入手 下载维基百科的数据库 它已经有了很好的结构，并提供了关系(激流版).
请看一下数据库的模式 此处 可能会帮助你掌握事情的架构。
您可以通过以下方式访问数据库的选定位。Kiwix包 然后对它进行一些处理，用 ZIM工具.
当然不要忘了，维基百科是由Mediawiki提供的，它是开源的，因此其 代码免费提供.
你可以想象，你不是第一个对数据挖掘维基百科有兴趣的人，我建议你阅读 本文 在那里，一个研究团队解释了他们是如何把一个。维基百科矿工工具包 基于一些AI（NLP）。虽然有点老，但还是很感兴趣。
根据你的计划，为了更简单的使用，你可以使用 维基百科的API.
与其在维基百科上搜刮，你可能会更好地看一下 维基数据 它们都是由维基媒体基金会管理的）。维基数据作为维基媒体姐妹项目（包括维基百科）的结构化数据的中央存储。
这里是《帝国时代II》的维基数据链接。https:/www.wikidata.orgwikiQ34852
或者，您也可以刮开底层的 信息框模板字段元数据 或直接从原始wikitext模板中提取）。
维基百科和维基数据都可以通过API或离线版本获得。
这里有一些想法。