24-06-2025. Test di usabilità su HERITRACE

Meta

  • Rilanciato dump di Meta
  • Rilanciato produzione dei CSV a partire dal triplestore
  • Rilanciato caricamento novità provenance
  • create_archive.sh e extract_archive.sh. Creano archivi compressi splittando in file di n dimensioni, tipo oc_meta_prov_06_06.tar.gz.part000 oc_meta_prov_06_06.tar.gz.part001 ecc, dove la dimensione è personalizzabile. extract_archive.sh verrà fornito insieme ai dati per consentire l’estrazione
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    Usage: ./create_archive.sh SOURCE_DIR OUTPUT_DIR ARCHIVE_NAME MAX_SIZE

    Parameters:
      SOURCE_DIR    Path to the directory to archive
      OUTPUT_DIR    Directory where to create the archive parts
      ARCHIVE_NAME  Base name for the archive files
      MAX_SIZE      Maximum size per file (e.g., 10G, 500M, 2T)

    Example:
      ./create_archive.sh /mnt/arcangelo/repositories/virtuoso_utilities/virtuoso-data ./backups oc_meta_prov_06_06 10G

    Options:
      --help        Show this help

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    Usage: ./extract_archive.sh PART_FILE [EXTRACT_TO]

    Parameters:
      PART_FILE     Path to any .part file (e.g., archive.tar.gz.part000)
      EXTRACT_TO    Directory to extract to (optional, default: current dir)

    Example:
      ./extract_archive.sh ./backups/oc_meta_prov_06_06.tar.gz.part000 ./restored

    Special options (replace EXTRACT_TO):
      --list-only   Only list contents without extracting
      --recreate    Only recreate complete archive without extracting
      --help        Show this help

RML

  • Spostato il codice dal repo di Tijs a uno mio più verticale sulla questione SQL per pulizia del repo e mantenibilità
    • Mancava un sistemna di pull automatico delle immagini di Postgres e GraphDB da Docker Hub. Lo aggiunto per rendere più lineare e riproducibile il sistema
  • Scritto a Mario Scrocca su Linkedin
  • KROWN
    • Vari tipi di benchmark: ho scelto il generatore di Mappings
      • Variabili:
        • Numeri triples maps (3, 5, 8)
        • Numero di predicate object maps (2, 3, 5)
        • Numero di membri, ovvero quante entità vengono create nel knowledge graph (1000, 10000, 50000)
        • Numero di proprietà, ovvero quante proprietà per ogni entità (5, 8, 12)
        • Value size, ovvero quanto sono lunghi i valori delle proprietà (50, 100, 150)
        • rdb_host, rdb_port, rdb_username, rdb_password, rdb_type per il caricamento automatico dei dati sul database
    • Gli altri benchmark sono
      • RAW: produce CSV e tabelle (numero di righe, colonne e celle). A me non va bene perché mi servono i mapping
      • Duplicati: produce dati con duplicati, sia i dati grezzi che i mapping. Testa la gestione della qualità dei dati. Boh, forse serve, non saprei
      • Joins: testa scenari complessi di join tra tabelle Devo capire se lo sto supportando o no.
    • Ho scritto un programma che tira su un container PostreSQL per il benchmark, crea i file di configurazione per i 3 benchmark su descritti, e il esegue, salvando i risultati.

Umanistica Digitale

  • L’editor o chi per lui ha modificato lo stile citazionale dell’articolo per HERITRACE da APA a IEEE, ma ha lasciato i riferimenti in ordine alfabetico nella bibliografia, quindi i numeri nel testo sono disordinati. Io trovo questa cosa estremamente irritante, ma ho verificato che è stata fatta in maniera sistematica in molti altri articoli di Umanistica Digitale.
  • Inoltre nell’articolo sono saltati tutti i riferimenti interni a numeri di sezione, perché la rivista non numera le sezioni!

HERITRACE

Tu vuo far el phdino
24-06-2025. Test di usabilità su HERITRACE
https://arcangelo7.github.io/p/b58ff0db4aa54375a2c81cc993750813/
Author
Arcangelo Massari
Posted on
June 25, 2025
Licensed under