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。

Feb, 2017

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

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

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

我们提出了文学中信息传播建模任务，并使用一种新的流程在超过 5000 部小说中分析信息传播动态，发现填补不同社群之间结构空缺的女性角色比男性角色更常见

Apr, 2020

该研究介绍了 WikiLingua 项目，这是一个用于跨语言抽象摘要系统评估的大型多语种数据集。该数据集从 WikiHow 中提取出 18 种语言的文章和摘要对。研究者们使用图像对齐的方法为不同语言版本的文章与摘要建立起对应关系，并提出了一个使用合成数据和神经机器翻译的预训练方法进行直接跨语言摘要的方法，取得了显著的性能提升。

Oct, 2020

通过从维基百科文献到链接页面的导航，建立文化知识的多元多样化采集方法与 CultureAtlas 数据集，该数据集涵盖了各种亚国家地理区域和族群，用于评估语言模型在文化多元背景下的表现和开发具有文化敏感和意识的语言模型，以促进数字领域中全球文化的更具包容性和平衡的表达。

Feb, 2024

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

通过 Wikipedia 的编辑历史，我们发布了 4300 万次跨 8 种语言的原子编辑数据集，研究表明模型训练于编辑数据集与原始语料库将编码不同的语义和话语方面。

Aug, 2018

本研究讨论了使用远程监督和特征标注相结合的方法解决知识库填充问题，提出了一种名为语义标签传播的方法，并在实验中显示出了显著的性能提升。

Nov, 2015