本文介绍了一种分析 Wikipedia 页面的方法，以研究社会偏见对公众舆论的可能影响，结果表明社会偏见具有可疑性，不为协变量控制可能导致不同的结论和偏见。

Dec, 2020

本论文分析了维基百科内容中性别歧视的存在、对女性的描绘差异和结构差异，结果指出存在着性别歧视现象。同时，文章还探讨了这些差异对维基百科政策的影响。

Feb, 2015

通过模拟从网络获取的输入生成结构化全文维基百科文档，该论文介绍了关于维基百科生成的一种新方法，使用最新的事件和相关网页作为数据源，并设计了全面评估指标和基准方法。

Feb, 2024

利用循环神经网络的序列到序列模型，结合注意力选择 Wikidata 中的事实并生成与之相关的维基百科传记句，模型通过人类偏好评估接近于维基百科参考水平，并且通过分析内容选择，模型可以在推断知识和错觉错误信息之间进行折中。

Feb, 2017

评估维基百科文章中潜在的性别不平等，包括知名度、主题焦点、语言偏见、结构属性和元数据表现方面的差异。结果发现，维基百科中女性比男性更受关注，女性传记中更多有关家庭、性别和关系的主题，存在语言偏见和结构差异，需要注意性别问题对网络造成的各种差异。

Jan, 2016

研究通过引入性别缓解技术、使用预训练模型以及适配器网络，成功地减轻了性别偏见问题，并提高了信息检索的敏感性。

Aug, 2022

本文利用计算方法评估维基百科中存在的性别偏见并发现女性与男性呈现方式的巨大差异，旨在提高人们对在线性别偏见不同表现层面的认识，并为解决维基百科性别偏见问题做出贡献。

Jan, 2015

该研究提出了一种基于模型的度量标准，用于评估生成的文本的事实准确性，并引入了一个新的基于维基百科和维基数据的大规模数据集来训练关系分类器和端到端事实提取模型。通过在维基百科文本摘要任务中分析多个模型的准确性并进行人类评估研究，论文展示了这些方法相对于 ROUGE 和其他无模型变量的方法的功效。

May, 2019

研究发现使用 LSTM 架构训练的语言模型在表示性别时存在动态变化，并且性别信息逐渐局部化。通过监控训练动态，可以检测到女性和男性在输入嵌入中的表示不对称。去除偏见的策略如何应用需要更多深入探讨。

Jul, 2022

本文首次对维基百科语料库中职业和个人生活描述中的性别偏见进行了事件中心研究，发现维基百科页面倾向于在女性但不在男性的个人生活事件中夹杂职业事件，应提高维基社区意识以制定指南和培训编辑。

Jun, 2021