[论文解读] Growing Wikipedia Across Languages via Recommendation

Ellery Wulczyn, Robert West+2 more|arXiv (Cornell University)|Apr 12, 2016

Wikis in Education and Collaboration参考文献 15被引用 4

一句话总结

本文提出了一套端到端系统，通过识别源语言（如英语）中存在但目标语言（如法语）中缺失的文章，基于页面浏览量预测结果对这些文章进行重要性排序，并根据编辑者的编辑历史个性化推荐，从而为资源匮乏的维基百科语言版本推荐缺失文章的创建。在针对12,000名法语维基百科编辑者的受控实验中，个性化推荐使编辑参与度提升两倍，文章创建率提高3.2倍，且推荐文章的质量与自然创建的文章相当。

ABSTRACT

The different Wikipedia language editions vary dramatically in how comprehensive they are. As a result, most language editions contain only a small fraction of the sum of information that exists across all Wikipedias. In this paper, we present an approach to filling gaps in article coverage across different Wikipedia editions. Our main contribution is an end-to-end system for recommending articles for creation that exist in one language but are missing in another. The system involves identifying missing articles, ranking the missing articles according to their importance, and recommending important missing articles to editors based on their interests. We empirically validate our models in a controlled experiment involving 12,000 French Wikipedia editors. We find that personalizing recommendations increases editor engagement by a factor of two. Moreover, recommending articles increases their chance of being created by a factor of 3.2. Finally, articles created as a result of our recommendations are of comparable quality to organically created articles. Overall, our system leads to more engaged editors and faster growth of Wikipedia with no effect on its quality.

研究动机与目标

• 为解决维基百科在不同语言版本间内容覆盖严重不均的问题，即大多数版本仅包含全部知识的一小部分。
• 通过识别在一种语言中存在但在另一种语言中缺失的文章，减少资源匮乏的维基百科语言版本中的知识缺口。
• 通过向编辑者个性化推荐其兴趣相关的高重要性缺失文章，提升编辑参与度和文章创建率。
• 通过将推荐文章的指标与自然创建内容进行比较，确保推荐文章具有高质量并具备长期可持续性。

提出的方法

• 利用维基数据的知识图谱识别语言无关的概念，并将其映射到特定语言的维基百科文章，从而检测目标语言中缺失的文章。
• 训练机器学习模型，预测目标语言中缺失文章的未来页面浏览量，作为其重要性的代理指标。
• 通过计算编辑者过往编辑活动与缺失文章主题之间的内容相似度，实现推荐的个性化。
• 使用二分图匹配算法将每篇缺失文章分配给最感兴趣的编辑，确保每篇文章仅被推荐给一位编辑，且每位编辑接收多篇推荐。
• 实施大规模随机化电子邮件实验，评估个性化推荐对编辑参与度和文章创建率的影响。
• 通过比较推荐创建文章与自然创建文章的删除率、页面浏览量和编辑质量，验证文章质量。

实验结果

研究问题

• RQ1 个性化推荐缺失文章是否能显著提升维基百科编辑的参与度？
• RQ2 个性化推荐在多大程度上提升了资源匮乏语言版本的文章创建率？
• RQ3 响应推荐而创建的文章质量是否与自然创建的文章相当？
• RQ4 预测的页面浏览量能否作为跨语言知识缺口减少中文章重要性的可靠代理？
• RQ5 当系统扩展到多个语言版本的真实编辑群体时，其表现如何？

主要发现

• 在针对12,000名法语维基百科编辑者的受控实验中，个性化推荐使编辑参与度提高了两倍。
• 与基线相比，推荐文章的创建率提高了3.2倍，显著推动了内容增长。
• 推荐文章的删除率更低、页面浏览量更高，表明其具有持续的相关性和高质量。
• 响应推荐而创建的文章在编辑质量上与自然创建文章相当，证实内容质量未下降。
• 该系统通过将预测页面浏览量作为未来读者量的代理，有效识别并优先处理了高重要性缺失文章。
• 二分图匹配策略确保了推荐的高效分发，最大化了相关性并最小化了冗余。