[論文レビュー] A Wikipedia Literature Review

Owen S. Martin|arXiv (Cornell University)|Oct 17, 2011

Wikis in Education and Collaboration参考文献 25被引用数 7

ひとこと要約

本稿では、統計的推論と機械学習技術、特に異常検知と信頼モデル化を活用して、決定的計算のスケーラビリティを超えている、膨大で変化し続けるWikipediaのデータセットを分析することを提案する。Wikipediaの成長と構造は確率的モデリングを必要とすることが示され、その独自のデータ構造と協働的ダイナミクスを通じて、統計的手法の進展に向けた重要な機会が同定される。

ABSTRACT

This paper was originally designed as a literature review for a doctoral dissertation focusing on Wikipedia. This exposition gives the structure of Wikipedia and the latest trends in Wikipedia research.

研究の動機と目的

• Wikipediaを、スケールと非構造的性質のため、統計的推論を要する複雑で大規模なデータシステムとして分析すること。
• 既存の統計的および機械学習手法が、Wikipediaの動的編集とコンテンツ進化をどのようにモデリングできるかを調査すること。
• 異常検知、信頼システム、認識論的モデリングの革新を促進するため、Wikipediaに内在する構造的および行動的パターンを同定すること。
• Wikipediaの分散型で匿名性を有する協働的モデルが、知識の質、速度、アクセス可能性をどのように再定義するか、認識論的含意を探ること。

提案手法

• Wikipediaの編集履歴を確率的プロセスとしてモデル化し、その進化を気体分子のような確率的システムに類似させること。
• MediaWikiのリレーショナルデータベーススキーマ（例：ページ、テキスト、ユーザーのテーブル）を用いて、メタデータおよび構造的特徴を抽出して分析すること。
• バージョン履歴と改訂ログを活用して、編集パターンにおける異常を検出する統計的推論を適用すること。
• 名前空間とページカテゴリを分析して、コンテンツの構造的組織と情報フローの理解を深めること。
• Wikipediaの成長を経済的または生態的システムに類似させることで、モデリングアプローチを支援すること。
• 社会的認識論、認識的価値理論などの認識論的フレームワーク（例）を統合し、従来の品質指標を超えた知識の拡散を評価すること。

実験結果

リサーチクエスチョン

• RQ1 統計的推論は、Wikipediaの巨大で非構造的な編集履歴をスケールに応じてどのようにモデリングできるか？
• RQ2 Wikipediaのデータに内在する構造的および行動的パターンは、異常検知および信頼システムの改善にどのように寄与できるか？
• RQ3 Wikipediaの分散型で匿名性を有する編集モデルは、伝統的な百科事典と比較して、コンテンツの質と知識の拡散にどのように影響を与えるか？
• RQ4 Wikipediaの成長パターンは、自然システムにおける確率的プロセスにどのように類似しているか。この類似性は、モデリングにどのような含意を持つのか？
• RQ5 スピード、多産性、アクセス可能性といった新しい認識的価値は、デジタル時代における「有用な」百科事典の概念をどのように再定義するのか？

主な発見

• Wikipediaの3億6800万件の編集と300万件の記事は、決定的計算の能力を超えており、確率的モデリングが不可欠である。
• 永久的な編集バージョン管理のおかげで、システムの強靭性が保たれているが、これは大規模な分析を複雑にしている。
• 初期の編集における匿名性のおかげで、参加の障壁が低く抑えられ、急速な成長と広範な参加が可能になった。
• 分布の「エッジ」に位置する特殊なコンテンツは、従来のモデルでは監視が不十分であり、スケーラブルで自動化された品質管理の必要性が浮き彫りになった。
• 分散型協働において、Wikipediaは伝統的な品質指標に加え、スピード、カバレッジ、アクセス可能性を重視することで、認識的価値を再定義している。
• 本稿では、品質と多産性のトレードオフが同定され、Wikipediaは、正確性にばらつきがあるものの、広範に知識が拡散される認識論的フロンティアで機能していることが示された。