[论文解读] Architecture for a multilingual Wikipedia

Denny Vrandečić|arXiv (Cornell University)|Apr 8, 2020

Wikis in Education and Collaboration被引用 3

一句话总结

本文提出了一种以抽象维基百科（Abstract Wikipedia）——一种语言无关的知识库——和 Wikilambda（一个用于生成自然语言的函数协作维基）为核心的多语言维基百科架构。通过将内容创建与语言呈现解耦，该系统实现了全球范围内的多语言知识共享与协作，显著降低了非英语使用者参与和获取百科知识的门槛。

ABSTRACT

Wikipedia's vision is a world in which everyone can share in the sum of all knowledge. In its first two decades, this vision has been very unevenly achieved. One of the largest hindrances is the sheer number of languages Wikipedia needs to cover in order to achieve that goal. We argue that we need a new approach to tackle this problem more effectively, a multilingual Wikipedia where content can be shared between language editions. This paper proposes an architecture for a system that fulfills this goal. It separates the goal in two parts: creating and maintaining content in an abstract notation within a project called Abstract Wikipedia, and creating an infrastructure called Wikilambda that can translate this notation to natural language. Both parts are fully owned and maintained by the community, as is the integration of the results in the existing Wikipedia editions. This architecture will make more encyclopedic content available to more people in their own language, and at the same time allow more people to contribute knowledge and reach more people with their contributions, no matter what their respective language backgrounds. Additionally, Wikilambda will unlock a new type of knowledge asset people can share in through the Wikimedia projects, functions, which will vastly expand what people can do with knowledge from Wikimedia, and provide a new venue to collaborate and to engage the creativity of contributors from all around the world. These two projects will considerably expand the capabilities of the Wikimedia platform to enable every single human being to freely share in the sum of all knowledge.

研究动机与目标

• 解决维基百科各语言版本间知识分布不均的问题，即少数主要语言占据主导地位。
• 使所有语言背景的贡献者无需精通英语或其他主导语言，也能创建和维护内容。
• 通过将内容从自然语言中抽象化，实现知识创建的民主化，提升获取与参与的平等性。
• 开发一种可扩展、由社区拥有的基础设施，通过共享函数支持多语言内容生成。
• 通过将函数视为维基媒体生态系统内可编辑的一等资产，开创协作知识工作的新型模式。

提出的方法

• 抽象维基百科以语言中立的语义符号表示百科内容，将知识与自然语言解耦。
• Wikilambda 作为算法和函数的协作维基，负责将抽象内容转换为自然语言。
• Wikilambda 中的函数以抽象知识表示为输入，生成目标语言的可读文本。
• 系统依赖函数中编码的丰富语言学与语义知识，确保自然语言生成的准确性与语境适宜性。
• 该架构支持渐进式贡献：贡献者可在无需掌握完整编程或翻译流程的情况下添加或改进函数。
• 该模型利用现有自然语言生成、词汇知识表示和协作系统方面的进展，最大限度减少对未经证实突破性技术的依赖。

实验结果

研究问题

• RQ1 如何设计一个多语言维基百科架构，使内容可在不同语言版本间共享，同时保持社区所有权？
• RQ2 哪些技术和社交机制能够使非技术贡献者有意义地参与跨语言的知识创建？
• RQ3 如何在类似 Wikilambda 的维基系统中对函数进行建模与维护，使其成为可协作、可编辑的资产？
• RQ4 一个功能完备且可扩展的系统，从抽象知识表示生成高质量自然语言，其最低要求是什么？
• RQ5 此类系统如何克服当前维基百科在多语言内容分布上的不平衡问题？

主要发现

• 所提出的架构允许单一抽象知识源通过 Wikilambda 中的共享函数渲染为多种自然语言。
• 抽象维基百科使贡献者无论语言能力如何，都能编辑和维护内容，显著降低参与门槛。
• Wikilambda 可作为独立项目存在，其价值不依赖于抽象维基百科，可作为社区拥有的可重用函数库。
• 该系统设计支持数千名贡献者（每种语言一人）生成和维护自然语言生成模板。
• 该方法利用当前自然语言生成与协作系统领域的最先进技术，无需重大技术突破即可实现。
• 即使部分实现该愿景（如将机器人创建的文章渲染为多种语言），也能在内容可访问性和可维护性方面带来显著收益。