Sep, 2008

从维基百科中挖掘意义

PDF
TL;DR该研究论文全面描述了如何将 Wikipedia 蕴藏的概念、关系、事实及描述提取出来并进行应用，分为四个方面：将其应用于自然语言处理、用于信息检索和信息提取、作为本体论构建的资源以及如何将其与其他结构结合创建全新的资源。此外，提及了参与此研究领域的机构、个人及其近年来的发展。
wikipediainformation extractionnatural language processingontology buildingresearch
发现论文，激发创造
  • 利用 Wikidata 作为 Web 抽取的种子

    基于问题回答技术，本研究提出了一个能从网页中提取新事实并推荐给 Wikidata 编辑人员验证的框架，并通过利用 Wikidata 中已有的信息，无需额外学习信号便可训练该框架来提取各种属性和领域的新事实，实验结果表明平均 F1 得分为 84.07，在人类验证之前，有潜力提取数百万条事实，旨在帮助编辑人员的日常任务，完善 Wikidata 知识图谱。

    Jan, 2024

  • 基于维基百科概念的噪音文本主动信息检索

    本文探究了如何利用 Wikipidia 概念传递查询上下文以提高对嘈杂文本的主动信息检索的性能，并提出了两种模型，利用实体链接将 Wikipedia 主题与相关性模型关联。实验结果表明，Wikipedia 概念与检索结果相关性之间存在明显信号，关联排序模型的使用可以进一步提高精度，并且使用 Wikipedia 处理查询背景语境可以消除歧义，进一步帮助主动信息检索。

    Oct, 2022

  • 为什么我们阅读维基百科

    本文提出基于用户调查和日志分析相结合的方法，建立了一个 Wikipedia 使用分类法，并探究了用户访问 Wikipedia 的原因和用户行为，发现用户访问 Wikipedia 的动因有很多种，例如关注当前事件、个人好奇、工作或学校任务、或枯燥无味等，同时也识别出了与特定使用情形相关的行为模式。

    Feb, 2017

  • 从维基百科分类中挖掘自然语言推理知识

    使用自然标注的维基百科类别层次结构构建的 428,899 个短语对构成的 WikiNLI 资源，通过对 BERT 和 RoBERTa 进行预训练和模型迁移，证明可以最大限度地提高模型在自然语言推理和词汇蕴含方面的表现并在其他语言中表现良好。

    Oct, 2020

  • 维基百科的文本重用：内部和外部

    Wikipedia 的文本复用在内外部的意义和影响等方面被探讨，并利用最先进的文本复用探测技术在分布式检索管道中规模化处理了整个维基百科。

    Dec, 2018

  • 基于维基百科语料库的问答分析

    此论文在对维基百科的四个语料库：WikiQA、SelQA、SQuAD 和 InfoQA 进行内部和外部分析后，提出了一种基于索引的方法来创建一个用于回答检索的银标准数据集，并建议更好地利用这些语料库来进行统计问答学习。

    Jan, 2018

  • 使用维基百科回答开放领域问题

    本文提出使用维基百科作为唯一知识源来解决开放领域问题回答，提出了一种基于大二元哈希和 TF-IDF 匹配的搜索组件与训练于维基段落中检测答案的多层循环神经网络模型的结合方法，同时现有数据集的实验结果表明，这两个模块都是高度竞争力的，并且使用远程监督进行多任务学习的组合是这个具有挑战性任务的有效完整系统。

    Mar, 2017

  • 任务的映射过程：从维基百科中的 Wikidata 语句到文本句子的转换

    本文介绍了一种将 Wikidata 语句转换为英文维基百科文章的任务转化为自然语言文本的方法，并且对输出内容进行了句子结构分析，噪声过滤以及基于词嵌入模型的句子构成关系评估。

    Oct, 2022

  • 多语言维基百科研究的考虑因素

    本文详细介绍了不同语言版本的维基百科之间存在的差异，并提出了如何使用多语言和多模态数据进行研究和建模的建议。

    Apr, 2022

  • Wiki-Reliability: 一个面向维基百科内容可靠性的大规模数据集

    本文介绍了 Wiki-Reliability 数据集，该数据集是由标记为具有广泛内容可靠性问题的英文维基百科文章构建的，主要应用于内容可靠性预测的机器学习和信息检索算法的研究。

    May, 2021