情报杂志
情報雜誌
정보잡지
JOURNAL OF INFORMATION
2015年
5期
185-189
,共5页
维基百科%质量评价%用户行为%机器学习
維基百科%質量評價%用戶行為%機器學習
유기백과%질량평개%용호행위%궤기학습
Wikipedia%quality detection%user behavior%machine learning
近年来,维基百科词条数量快速增长,如何帮助用户从中找到高质量的、内容可靠的信息变得越来越重要。但是,维基百科自身提供的基于同行评审的词条质量评价方法效率过低。提出一种基于编辑者行为分析的词条质量评价方法,把词条质量评价问题转化为词条分类问题,实现了词条质量的自动评价,也取得了较高的质量评价准确率。
近年來,維基百科詞條數量快速增長,如何幫助用戶從中找到高質量的、內容可靠的信息變得越來越重要。但是,維基百科自身提供的基于同行評審的詞條質量評價方法效率過低。提齣一種基于編輯者行為分析的詞條質量評價方法,把詞條質量評價問題轉化為詞條分類問題,實現瞭詞條質量的自動評價,也取得瞭較高的質量評價準確率。
근년래,유기백과사조수량쾌속증장,여하방조용호종중조도고질량적、내용가고적신식변득월래월중요。단시,유기백과자신제공적기우동행평심적사조질량평개방법효솔과저。제출일충기우편집자행위분석적사조질량평개방법,파사조질량평개문제전화위사조분류문제,실현료사조질량적자동평개,야취득료교고적질량평개준학솔。
The number of articles in Wikipedia grew rapidly in recent years. It has become an increasingly important issue to find out high-quality and reliable information for common users. However, the peer-review quality detection measurement presently adopted by Wiki-pedia is too inefficient. In this paper, a new method is proposed, and the quality assessing problem is transformed into article classification problems, which is more accurate than other similar measurement methods so far.