May, 2023

WikiSQE：维基百科句子质量评估的大规模数据集

PDF
TL;DR提出第一个 Wikipedia 句子质量评估的大规模数据集 WikiSQE，包含了约 340 万句子和 153 个质量标签，并通过机器学习模型进行了实验自动分类，显示具有引文、句法 / 语义或命题问题的句子更难以检测，该数据集在自动化的文章评分实验中表现出更好的泛化性能，并有望成为自然语言处理中其他任务的有价值的资源。
wikipediasentence quality estimationdatasetautomatic classificationnlp
发现论文，激发创造
  • 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

  • SelQA: 基于选项的问答新基准

    本篇论文提出了一个新的选择题型问答数据集 SelQA，该数据集通过众包生成问题，并从英文维基百科中提取十个最常见主题的长度为答案。我们介绍了一种语料库注释方案，旨在通过明确减少问题和答案之间的词共现来增强生成大型、多样化和具有挑战性的数据集的过程。在回答句子选择和回答触发任务上，我们比较了几个系统，为未来的工作提供了强有力的基准结果。

    Jun, 2016

  • KE-QI: 知识增强的文章质量识别数据集

    该研究为解决鉴别高质量文章的问题提出了一种基于外部知识的文章质量鉴定方法，并提出了相关的数据集和实体链接技术，实验结果表明该方法有效性较高。

    Jun, 2022

  • 维基百科文章的自动质量评估 —— 系统文献综述

    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

  • 维基百科文章质量评估的基于编辑的方法

    该研究提出了一种基于编辑为中心的方法来评估维基百科文章质量的模型，该模型包含一个主分类器和一个辅助生成模块，可以提供编辑质量的估计和自然语言描述，经过实证研究发现该模型在数据和质量要求方面具有成本效益。

    Sep, 2019

  • WikiDes: 一份基于维基百科的数据集，用于从段落中生成简短描述

    介绍了一个新的名为 WikiDes 的数据集，利用 T5 和 BART 等预训练模型实现了基于传递学习和对比学习的短描述生成和排名。结果表明，该方法在文本摘要中的表现优于传统方法，并可用于生成缺失的描述，丰富 Wikidata 知识图谱。

    Sep, 2022

  • 语义问答中千万姓名对一百万实体的评估

    我们介绍了一个语义实体相似度数据集 WES，其中包含 11M 个例子，专注于领域，旨在评估 QA：这些例子是实体和短语，分组为语义聚类以模拟多个 ground-truth 标签，用于预测人类正确性判断的基本交叉编码器度量优于四个经典度量。

    Feb, 2022

  • 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

  • WikiHow：一个大规模的文本摘要数据集

    本研究介绍了一种基于在线知识库的数据集 WikiHow，包含超过 230,000 个文章和摘要对，用于评估现有的序列到序列模型在不同写作风格、更高语义抽象度的摘要中的性能。

    Oct, 2018

  • SWiPE：维基百科页面文档级简化数据集

    引入 SWiPE 数据集，通过整个修订历史，重构从英语维基百科文章到 Simple 维基百科文章的文档级简化过程，并分类模型产生的编辑，发现 SWiPE 训练的模型生成更复杂的编辑，同时减少不需要的编辑。

    May, 2023