[論文レビュー] World Literature According to Wikipedia: Introduction to a DBpedia-Based Framework

Christoph Hube, Frank Fischer+3 more|arXiv (Cornell University)|Jan 4, 2017

Wikis in Education and Collaboration参考文献 18被引用数 12

ひとこと要約

本稿では、DBpediaを活用したフレームワークを提案し、Wikipediaの多言語記事を通じて世界文学を分析する。内在的（リンク構造）および外在的（ページビュー）指標を用いて、世界的に著名な作家を同定する。その結果、ウィリアム・シェイクスピアなど、世界的に著名な人物を中心に、保守的で実証的根拠に基づく文学正典が明らかになった。15か国語版のWikipediaで確認された。

ABSTRACT

Among the manifold takes on world literature, it is our goal to contribute to the discussion from a digital point of view by analyzing the representation of world literature in Wikipedia with its millions of articles in hundreds of languages. As a preliminary, we introduce and compare three different approaches to identify writers on Wikipedia using data from DBpedia, a community project with the goal of extracting and providing structured information from Wikipedia. Equipped with our basic set of writers, we analyze how they are represented throughout the 15 biggest Wikipedia language versions. We combine intrinsic measures (mostly examining the connectedness of articles) with extrinsic ones (analyzing how often articles are frequented by readers) and develop methods to evaluate our results. The better part of our findings seems to convey a rather conservative, old-fashioned version of world literature, but a version derived from reproducible facts revealing an implicit literary canon based on the editing and reading behavior of millions of people. While still having to solve some known issues, the introduced methods will help us build an observatory of world literature to further investigate its representativeness and biases.

研究の動機と目的

• Wikipediaの多言語版における文学的作家の同定とランク付けを、再現可能でデータ駆動型の方法で開発すること。
• 何百万ものユーザーの編集および閲覧行動を通じて、世界文学がいかに暗黙的に構築されているかを調査すること。
• DBpediaからの構造的でクエリ可能なデータを用いて、Wikipediaが世界文学を描写する際の代表性とバイアスを評価すること。
• データセットと可視化の公開を通じて、世界文学のデジタル観測所の基盤を構築すること。
• 国家文学的伝統が、Wikipediaにおける世界文学的著名度に果たす役割を評価すること。

提案手法

• 15か国語版の主要Wikipedia版において、'Writer'テンプレートと関連カテゴリを対象に、DBpediaを用いて構造化されたデータを抽出する。
• テンプレートベース、カテゴリベース、ハイブリッドの3つの異なる作家同定手法を比較し、正確性と再現率を評価する。
• 内在的指標（インデグリー、PageRank）と外在的指標（ページビュー）を用いて、同定された作家の著名度を評価する。
• 相互記事リンクとPageRankに基づくネットワークグラフを構築し、Wikipediaの文学正典のコアを可視化する。
• http://data.weltliteratur.net/ にデータセットと可視化を公開し、継続的な分析と観測所の構築を可能にする。
• 時間的分析と多言語比較を用いて、文学的人物の進化と国際的影響範囲を評価する。

実験結果

リサーチクエスチョン

• RQ1 Wikipediaにおける文学的作家の同定に用いられる異なる手法は、言語版ごとに正確性とカバー範囲においてどのように異なるか？
• RQ2 Wikipediaの世界文学表現は、世界的に認められた文学正典をどの程度反映しており、国家文学的伝統によってどのように形作られているか？
• RQ3 どの作家が複数のWikipedia言語版にまたがって国際的プレゼンスを示し、指標ごとにランクがどのように変動するか？
• RQ4 内在的（リンクに基づく）指標と外在的（読者数に基づく）指標は、影響力のある文学的人物を同定する上で、どのように比較されるか？
• RQ5 Wikipediaの現在の世界文学表現に埋め込まれた構造的および編集的バイアスは何か、そしてそれらはどのように定量的に測定できるか？

主な発見

• ウィリアム・シェイクスピアは、分析対象の15か国語版すべてにおいて最も著名な文学的人物であり、PageRankでは13か国語版で1位、インリンク数では9か国語版で1位となった。
• 各言語版の上位25名の作家には強い国家的バイアスが認められ、各言語版が自国の古典的文学的人物を世界文学の中心的役割として強調している。
• インデグリーとPageRankといった内在的指標は、外在的読者トラフィックと強く相関しており、リンクが多ければ多いほど読まれやすいことが示された。
• 英語Wikipediaの上位作家ネットワークは、ヨーロッパおよび英語圏の作家が支配するコア文学正典を示しており、保守的で歴史的に確立された文学的階層を反映している。
• テンプレートの整合性の欠如にもかかわらず、ハイブリッド手法は高い正確性を達成し、英語Wikipediaの主要文学的人物の大多数を、誤検出を最小限に抑えて捉えていた。
• 本プロジェクトのデータセットと可視化フレームワークは、Wikipediaにおける世界文学表現の継続的モニタリングを可能にする再現可能でオープンなインfraを提供している。