使用神经网络为基础的系统 Side 帮助鉴定并更换可能无法验证主张的 Wikipedia 引用，结果表明人类对 Side 建议的更好的引用的选择有 70% 的偏好率。这为辅助事实核查并提高信息可靠性提供了潜在的新途径。

Jul, 2022

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

维基百科是世界上最大的在线百科全书，但通过合作维护文章质量是具有挑战性的。本文回顾了现有的自动测量维基百科文章质量的方法，并识别和比较了机器学习算法、文章特征、质量指标和使用的数据集，检查了 149 个独立的研究，并探讨了它们之间的共同点和差距。然而，机器学习在维基百科中仍未被广泛使用，我们希望我们的分析能帮助未来的研究人员改变这种现状。

Oct, 2023

本论文探讨当前研究的挑战，并提出解决方案来解决将网站分类为可信度范围的问题。所提出的模型自动提取来源信誉线索并计算信誉因素，实验结果在 2 类和 5 类设置中均优于现有技术水平。

Sep, 2018

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

该论文研究了自动事实核查系统的潜在漏洞，提出了攻击该系统的多种方法，说明这些攻击可能对人工辅助使用的模型造成有害影响，并探讨了未来的防御挑战和方向。

Sep, 2022

本研究对四款流行的生成式搜索引擎进行了人工评估，并发现现有的生成式搜索引擎的响应流利且具信息，但常常包含不支持的陈述和不准确的引用，尤其是其款式逼真的特点使我们更需要开发具有信任度的生成式搜索引擎。

Apr, 2023

本文提出了一种算法，根据维基百科的类别结构，自动挖掘搜索结果实体的值得收录的小知识，以增强搜索结果的用户体验。通过用户研究，证明该算法比之前的工作更能很好地抓到 “好的小知识”，能够让用户更好地停留在搜索页面上。

Dec, 2016

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

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