SIGIRFeb, 2017

分析跨语种维基百科文章对的时间演变

PDF
TL;DR研究称，维基百科不同语言版本中表示实体或主题的文章独立演变，会产生不同观点的反映，需要对信息如何跨越维基百科语言版本进行分析，以支持质量控制。为了便于分析，研究者提出了一个名为 MultiWiki 的新型基于 Web 的用户界面，可以在时间轴上提供从不同语言版本来源的文章对中相似性和差异的概观。这使得用户能够观察跨语言文章相似性随时间的变化，并在特定时间点执行文章快照的详细视觉比较。
wikipedialanguage editionsarticle evolutioninformation propagationquality control
发现论文，激发创造
  • 跨语言新闻 - 跨语言文档相似性与事件追踪

    本研究基于 Event Registry 系统，使用基于 Wikipedia 的不同语言交叉文档相似度计算方法，解决了多语言流的新闻推送跟踪，提出了一种链接不同语言文章聚集的方法，并对整个系统进行了充分评估。

    Dec, 2015

  • 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

  • 跨维基百科语言追踪知识传播

    该研究提供了一份跨语言知识传播数据集，用于追踪 Wikipedia 概念的全面传播历史，并探讨了其支撑结构因素以便未来研究探讨，并同时提出了新的应用如填补知识空缺、虚假信息和文化关系的分析。

    Mar, 2021

  • 利用推荐技术跨语言扩展维基百科

    本文提出了一种填补不同语言版本 Wikipedia 的文章覆盖范围空白的方法，通过识别缺失的文章，根据其重要性进行排序，并基于编辑人员的兴趣推荐给他们，经验证，个性化推荐可以将编辑人员的参与度提高两倍，推荐文章被创作的概率提高 3.2 倍，且创作出的文章的质量与自然创作的文章可比拟。该系统可以带来更多参与的编辑人员和更快地发展 Wikipedia，同时不会对其质量产生影响。

    Apr, 2016

  • TemporalWiki：面向训练与评估不断进化语言模型的终身基准

    通过使用连续快照之间的差异作为训练和评估数据，我们介绍了一个终身学习基准测试 ——TemporalWiki，旨在评估语言模型在频繁更新的知识库，如维基百科，中获取和保留知识的能力，并发现通过继续学习方法使用 diff 数据进行训练可以通过少量的训练数据安全地更新 LM 中的事实知识。

    Apr, 2022

  • WikiMatrix: 从维基百科挖掘出 1620 种语言对中的 1.35 亿个平行句子

    使用多语句子嵌入的方法自动从 85 种语言的维基百科文章中提取平行句子，共提取了 1.35 亿个平行句子，并且在 1886 种语言对上训练神经机器翻译基线系统，取得了较高的 BLEU 分数。WikiMatrix bitexts 可以对离散的语言进行机器翻译训练，而不需要通过英语来进行桥接。

    Jul, 2019

  • WIKITIDE: 基于维基百科的时间戳定义对数据集

    本文介绍了 WikiTiDe 数据集，该数据集通过从维基百科提取的带时间戳的定义对创建而来。我们提出了完全自动的端到端方法，并利用自举算法逐步创建高质量数据集。研究结果表明，自举种子版本的 WikiTiDe 可以得到更好的微调模型，并在多个下游任务中取得了有竞争力的结果。

    Aug, 2023

  • 维基百科子文章匹配的神经文章对建模

    本文提供了一种将零散的次级维基百科文章匹配回其对应的主要文章的方法，以便于自动化维基百科管理和处理，并使用多种变体的神经文档对编码器结合全面的显式特征的分层学习结构。该方法在一个大型众包数据集上获得了令人满意的交叉验证结果，并显著优于以前的方法。

    Jul, 2018

  • 维基百科 24 种语言版本的文化交流和高层人物相互影响排名

    运用 Markov 链和 Google 矩阵方法，分析了 24 种不同语言维基百科超链接网络中的历史人物，并根据他们的文化背景研究了它们的空间、时间和性别分布，发现了文化之间的交错和文化之间相互影响的最具影响力的文化，并构建了跨文化交流的网络。

    May, 2014

  • WikiMulti: 用于跨语言摘要的语料库

    介绍了基于维基百科 15 种语言文章的新日数据集 - WikiMulti， 用于跨语言摘要生成 (CLS) 任务，并在该数据集上评价了现有的跨语言抽象性摘要方法的性能。

    Apr, 2022