On the origin of burstiness in human behavior: The wikipedia edits case
许多人类活动都表现出突发模式，即非常高的活动期之后是休息期。该过程的记录生成事件的时间序列，其事件间时间遵循显示厚尾的概率分布。这种现象的原因尚不清楚。在目前的工作中，我们使用免费提供的维基百科的编辑记录来解决这个问题，通过测量突发的水平，以及由不同的编辑器在不同的页面中执行的编辑任务的记忆效果。我们的主要发现是，即使编辑活动是由昼夜24小时周期的条件，在一天中的给定时间的给定持续时间的活动的条件概率是独立于后者。这表明，人类活动似乎与开始一项行动的高“成本”有关，而继续该行动的“成本”要低得多。
2016-01-08 cs.SI physics.soc-ph
Ecology in the digital world of Wikipedia
维基百科是在线知识空间的典范，它以合作、自下而上的方式组织，自愿捐款，但它保持了与传统百科全书相当的可靠性。由于缺乏选定的专业作家和编辑，对文章的质量和可信度的判断成为一个真正的挑战。在这里，我们表明，一个自洽的指标定义的网络的编辑记录捕捉编辑的活动和文章的复杂程度的字符。使用我们的指标，可以更好地识别人类标记的高质量文章，例如，“特色”的文章，并将其与流行和有争议的文章区分开来。此外，编辑-文章系统的动态也很好地捕捉到了指标，揭示了文章的演变路径和编辑的不同角色。我们证明，编辑的集体努力确实推动了文章改进的方向。
2021-05-21 cs.SI physics.soc-ph
Highlighting Entanglement of Cultures via Ranking of Multilingual Wikipedia Articles
不同的文化如何评价一个人？一种文化中的重要人物在另一种文化中是否也很重要？我们通过对多语种维基百科文章的排名来解决这些问题。本文基于维基百科的网络结构，采用三种排序算法对维基百科的9个多语种版本的所有条目进行排序，并对PageRank、CheiRank和2DRank的总体排序结构进行了研究。特别是，我们把重点放在与人有关的文章，确定前30名的人，每个版本之间的排名，并分析他们的分布在活动领域，如政治，艺术，科学，宗教，体育每个版本的区别。我们发现，当地的英雄是占主导地位的，但也存在全球英雄，并创造了一个有效的网络，代表文化的纠缠。对文化网络的Google矩阵分析显示出Zipf定律分布的迹象。这种方法允许检查文化之间的知识组织的多样性和共享特性。开发的计算，数据驱动的方法突出了文化的相互联系，在一个新的角度。
2013-10-08 cs.IR cs.SI physics.soc-ph
Population preferences through Wikipedia edits
在这项工作中，我们感兴趣的内部文化背景塑造广泛的人的喜好。我们的兴趣也是追踪人类的足迹，因为它有消失的趋势，由于今天的全球化。鉴于语言是一种社会结构，它是历史宝库的一部分，塑造文化（因此也是集体）身份，然后帮助社区将积累的关于其文化和身份的知识存档。我们假设，一个讲语言的社区的集体利益，以记录他们的事件，人和任何重要的功能，通过在线百科全书维基百科，可以作为整个集团的集体身份的足迹。将语言的偏好分析为几种语言之间的类别，也可以应用于多语言自然语言处理（MNLP）领域。然后，我们报告按几种语言显示的编辑，编辑器和页面类别的数量。结果从多个角度显示，并补充了一些额外的措施分析。
2018-09-23 cs.SI physics.soc-ph
Assessing the Quality of Wikipedia Pages Using Edit Longevity and Contributor Centrality
在本文中，我们解决的挑战，评估维基百科页面的质量使用来自编辑贡献和贡献者的权威性措施的分数。假设是，具有权威贡献者的重要贡献的页面可能是高质量的页面。贡献使用编辑寿命度量进行量化，贡献者权威性使用维基百科谈话或合著者网络中的中心性度量进行评分。结果表明，它是有用的，以考虑贡献者的权威性时，评估维基百科内容的信息质量。质量分数的百分位可视化提供了一些关于异常条目的见解，并可用于帮助维基百科编辑识别质量相对较好的Start和Stub条目。
2013-10-24 cs.CY cs.SI
Multilinguals and Wikipedia Editing
Oxford Internet Institute, University of Oxford（牛津大学牛津互联网研究所）
这篇文章分析了维基百科一个月的编辑，以检查编辑多语言版本的用户（称为多语言用户）的作用。这种多语言用户可能在百科全书的不同语言版本中传播信息方面发挥重要作用，先前的工作表明这可以减少每个版本中的自我关注偏见。这项研究发现，多语言用户比单版本（单语）用户更活跃。它们在所有语言版本中都有，但用户较少的较小版本的多语言用户比例高于较大版本。大约四分之一的多语言用户总是用多种语言编辑同一篇文章，而超过40%的多语言用户用不同的语言编辑不同的文章。当非英语用户编辑第二语言版本时，该版本通常是英语。尽管如此，也存在一些区域和语言交叉编辑模式。
2014-05-12 cs.CL cs.CY cs.DL
What is Trending on Wikipedia? Capturing Trends and Language Biases Across Wikipedia Editions
在这项工作中，我们提出了一个自动评估和比较维基百科读者的浏览行为，可以应用于任何语言版本的维基百科。例如，我们在2018年的最后四个月专注于英语，法语和俄语。所提出的方法包括三个步骤。首先，它提取在选定的时间段内最热门的文章。其次，它执行半监督主题提取，第三，它比较不同语言的主题。自动化处理的数据结合了维基百科的超链接图、页面浏览量统计和页面摘要。结果表明，人们对娱乐有着共同的兴趣和好奇心，如电影、音乐、体育，而与他们的语言无关。差异出现在与当地事件或文化特殊性有关的主题中。显示每种语言版本趋势页面集群的交互式可视化可在线访问https://wiki-insights.epfl.ch/wikitrends
2020-02-17 cs.CY cs.SI
Growing Wikipedia Across Languages via Recommendation
不同语言版本的维基百科在综合性方面有很大差异。因此，大多数语言版本只包含所有维基百科信息总和的一小部分。在本文中，我们提出了一种方法来填补不同维基百科版本的文章覆盖范围的差距。我们的主要贡献是一个端到端的系统，用于推荐在一种语言中存在但在另一种语言中缺失的文章。该系统包括识别缺失文章，根据重要性对缺失文章进行排名，并根据编辑的兴趣向他们推荐重要的缺失文章。我们在一项涉及12，000名法语维基百科编辑的对照实验中实证验证了我们的模型。我们发现，个性化的建议增加了两个因素的编辑参与。此外，推荐文章将其被创建的机会增加了3.2倍。最后，根据我们的建议创建的文章与有机创建的文章质量相当。总的来说，我们的系统会让编辑更投入，维基百科的增长更快，而不会影响其质量。
2016-04-12 cs.DL cs.SI
Bots vs. Wikipedians, Anons vs. Logged-Ins
维基百科是一个全球性的众包百科全书，在撰写本文时，有287种语言。Wikidata是一个类似的全球众包知识库，提供供维基百科使用的共享事实。在这项研究的背景下，我们开发了一个应用程序和一个底层应用程序编程接口（API），能够监控维基百科和维基数据的所有语言版本的实时编辑活动。这个应用程序允许我们轻松地分析编辑，以回答诸如“机器人与维基人，谁编辑更多？“，“哪个是最匿名编辑的维基百科？或者“机器人是谁，他们编辑什么？“".据我们所知，这是第一次对维基数据和所有维基百科进行实时分析-无论大小。我们的应用程序可在URL http：//wikipedia-edits.herokuapp.com/上公开在线获得，其代码已在Apache 2.0许可证下开源。
2014-02-05 cs.CY cs.DL cs.SI
World influence and interactions of universities from Wikipedia networks
我们根据2017年5月收集的24个维基百科版本的网络分析，提出了维基百科世界大学排名（WRVU）。通过PageRank和CheiRank算法，我们确定了这些版本的文化观点的平均大学排名。与上海排名相比，前100名大学的重叠率为60%，这表明WRWU对其历史发展具有更大的意义。我们表明，新的减少谷歌矩阵算法允许确定领先的大学之间的互动规模为10个世纪。这种方法也决定了特定大学对世界各国的影响力。我们还比较了不同文化的维基百科版本对大学的意义和影响的看法。
2018-09-02 cs.SI physics.soc-ph
Cross-language Wikipedia Editing of Okinawa, Japan
Oxford Internet Institute, University of Oxford（牛津大学牛津互联网研究所）
本文分析了编辑维基百科关于日本冲绳的英语和日语条目的用户。研究发现，这些用户是其主要语言中最活跃和最专注的用户之一，他们在那里进行了许多大型，高质量的编辑。然而，当这些用户用非主要语言编辑时，他们倾向于进行不同类型的编辑，这些编辑的总体尺寸较小，并且通常仅限于两种语言都存在的狭窄的文章集。设计上的变化，以激励更广泛的贡献，从用户在他们的非主要语言，并鼓励多语种用户转移更多的信息跨越语言鸿沟。
2015-03-22 cs.CL cs.CY cs.SI
Understanding Editing Behaviors in Multilingual Wikipedia
KAIST（韩国科学技术院）；University of Oxford（牛津大学）
使用多种语文在离线情况下很常见，但我们对在线使用多种语文的方式以及使用多种语文者在不同语言的使用者之间传播内容方面所发挥的作用的了解却很有限。我们采用计算方法来研究使用最大的用户生成的内容平台之一，维基百科多语。我们通过收集和分析维基百科英语、德语和西班牙语版本的多语种编辑撰写的内容的大型数据集来研究多语言。该数据集包含2013年7月8日至8月9日期间由超过15，000名多语言用户编辑的超过200万个段落。我们分析了这些多语种编辑的参与，兴趣和语言熟练程度方面的主要和非主要（次要）语言，并发现维基百科的英文版显示不同的动态从西班牙语和德语版本。主要编辑西班牙语和德语版本的用户比将这些版本作为第二语言编辑的用户进行更复杂的编辑。相比之下，将英语版本作为第二语言进行编辑的用户进行的编辑与主要编辑英语版本的用户进行的编辑一样复杂。通过这种方式，英语发挥了特殊的作用，汇集了来自多种语言版本的多种语言编写的内容。尽管如此，语言仍然是内容传播的一个巨大障碍：我们发现了一个复杂性障碍的证据，即编辑不太可能用第二语言编辑复杂的内容。此外，我们发现，多语者参与度较低，第二语言的语言熟练程度较低。我们还研究了多语种编辑的主题兴趣，发现每种语言的主要和非主要编辑之间没有显着差异。
2015-08-28 cs.CL cs.CY cs.SI
Interactions of cultures and top people of Wikipedia from ranking of 24 language editions
维基百科是一个巨大的全球人类知识库，可以利用它来调查文化之间的相互影响。为此，我们应用马尔可夫链和Google矩阵的方法，对维基百科24个语言版本的超链接网络进行分析，并采用PageRank、2DRank和CheiRank算法对所有文章进行排序。使用自动提取的人的名字，我们获得了前100名的历史人物，每个版本和每个算法。我们调查他们的空间，时间和性别分布依赖于他们的文化起源。我们的研究表明，不仅存在的偏态与当地的数字，主要是承认只有在自己的文化，但也存在的全球历史人物出现在大量的版本。通过确定这些人的出生时间和地点，我们分析了这些人物在35个世纪的人类历史中对每种语言的演变，从而恢复了文化的互动和纠缠。我们还获得了世界各国历史人物的分布，突出了跨文化联系的地理方面。将出现在多个版本中的历史人物视为文化之间的互动，我们构建了一个文化网络，并根据这个网络识别出最具影响力的文化。
2014-11-17 cs.CY cs.SI physics.soc-ph
StRE: Self Attentive Edit Quality Prediction in Wikipedia
维基百科很容易被认为是一个庞然大物，考虑到它的几个项目每分钟都有大量的内容被添加或删除。这在自然语言处理领域创造了巨大的空间，可以开发用于内容审核和审查的自动化工具。在本文中，我们提出了自我注意的修订编码器（StRE），它利用词汇单元的拼写相似性来预测新编辑的质量。与主要采用页面声誉，编辑活动或基于规则的编辑功能的现有主张相反，我们利用编辑的文本内容，我们认为这些内容包含其质量的卓越签名。更具体地说，我们部署深度编码器来从文本内容中生成编辑的表示，然后我们利用它来推断质量。我们进一步贡献了一个新的数据集，其中包含32K维基百科页面的21M修订，并证明StRE优于现有方法的显着保证金至少17%，最多103%。我们的预训练模型在对维基页面中小至20%的编辑进行重新训练后达到了这样的结果。据我们所知，这也是第一次尝试将深度语言模型应用于维基百科自动内容审核的巨大领域。
2019-06-11 cs.NE cs.SI
Why the World Reads Wikipedia: Beyond English Speakers
作为网络上主要的多语言知识来源之一，维基百科每天被全球数百万人阅读。尽管维基百科的读者遍布全球，但人们对维基百科用户阅读不同语言版本的原因却知之甚少。为了弥补这一差距，我们进行了一项比较研究，结合了对14种语言版本的维基百科读者的大规模调查和基于日志的用户活动分析。我们分三步进行。首先，我们分析调查结果，比较不同语言之间维基百科用例的普遍性，发现维基百科语言之间在使用方面的共同点，但也存在实质性差异。其次，我们将调查响应与维基百科服务器日志中的受访者跟踪相匹配，以描述与特定用例相关的行为模式，发现不同的模式始终标记着不同语言版本的某些用例。第三，我们表明某些维基百科用例在具有某些社会经济特征的国家中更常见;例如，在人类发展指数较低的国家，深入阅读维基百科的文章更为普遍。这些发现促进了我们对维基百科语言读者动机和行为的理解，并对维基百科编辑和维基百科及其他网络技术的开发者产生了影响。
2018-12-02 cs.CY cs.HC cs.SI
Jointly they edit: examining the impact of community identification on political interaction in Wikipedia
在他们2005年的研究中，Adamic和Glance创造了令人难忘的短语“divided they blog”，指的是政治博客圈中的网络巴尔干化趋势，自由派和保守派博客倾向于链接到其他具有相似政治倾向的博客，而不是彼此。随着政治讨论和活动越来越多地转移到网上，构建政治话语的力量正在从大众媒体转移到社交媒体。继续审查在线政治互动是至关重要的，我们通过审查维基百科社区内政治用户的活动来扩展这一研究路线。首先，我们研究了维基百科的用户如何选择显示（或不显示）他们的政治派别。接下来，我们更仔细地研究了跨党派互动和社区参与的模式，这些用户宣布一个政治派别。与之前对其他社交媒体的分析相反，我们没有发现强烈的趋势表明维基百科社区内倾向于与同一政党的成员互动。我们的研究结果表明，在社区内宣布自己的政治派别的用户往往会更大声地宣布自己的身份为“维基人”。看来，“成为维基人”的共同身份可能足够强大，足以战胜个人身份的其他潜在分裂方面，如政治派别。
2012-11-05 cs.CY cs.SI physics.soc-ph
Thermodynamic Principles in Social Collaborations
提出了一个热力学框架来描述社会内容生产系统中效率、秩序和质量的演化，并将该框架应用于维基百科的分析。特约编辑的特点是他们的（创造性）能量水平的编辑数量。我们开发了一个熵的定义，可以用来分析系统的效率作为一个整体，并将其与幂律分布的演变和质量度量。这一概念被应用于对维基百科八年编辑数据的分析，结果表明：（1）维基百科在其发展过程中变得更有效率;（2）基于熵的效率度量与维基百科页面的观察到的读者人数有很高的相关性。
2012-04-16 cs.SI physics.soc-ph
Comparing the usage of global and local Wikipedias with focus on Swedish Wikipedia
本报告总结了一个短期学生研究项目的结果，重点是瑞典语维基百科的使用。它试图回答以下问题：在多大程度上（以及为什么）来自非英语社区的人使用英文维基百科而不是他们当地语言的维基百科？文章访问时间序列和文章编辑时间序列从主要的维基百科，包括瑞典语维基百科分析与各种工具。
2013-08-08 cs.SI physics.soc-ph
WIKI THANKS: Cultural Differences in Thanks Network of Different-Language Wikipedias
维基百科引入了一个新的社交功能“wiki-thanks”。“Wiki-thanks”允许编辑者对其他编辑者的贡献表示感谢。在本文中，我们的目的是从不同的文化视角来研究这种新的社交工具。为了实现这一目标，我们分析了“wiki-thanks”日志事件，并比较了英语，德语，西班牙语，中文，日语，韩语和芬兰语维基百科。
2015-02-15 cs.SI
Dynamics of conflicts in Wikipedia
在这项工作中，我们研究了维基百科（WP）的编辑战的动态特征。基于我们先前建立的算法，我们建立了有争议的和和平的文章样本，并分析这些样本中的活动的时间特征。在短时间尺度上，我们发现，有一个明确的对应冲突和突发性的活动模式，记忆效应在争议中发挥了重要作用。在长时间尺度上，我们确定了三个不同的发展模式的整体行为的文章。我们能够区分最终导致协商一致的情况和远不能达成妥协的情况。最后，我们分析了讨论网络，并得出结论，编辑战争主要是由少数编辑只打。
2012-05-02 cs.SI physics.data-an physics.soc-ph
Wikipedia in Wartime: Experiences of Wikipedians Maintaining Articles About the Russia-Ukraine War
通过对13位英语维基百科专家的访谈，研究揭示俄乌战争相关条目面临大量破坏性编辑，维基百科依靠现有政策应对并比社交媒体更具抗虚假信息能力，但维护成本高昂。
2024-09-03 cs.SI
Framing War Across Languages: Power, Agency, and Sentiment in Wikipedia's Multilingual War Narratives
University of Notre Dame（圣母大学）
本研究分析158场战争的20种维基百科语言版本，发现涉及自身社群的战争描述存在系统性差异，不涉及时则高度相似，揭示语言社群塑造维基百科战争叙事。
2026-08-27 cs.CY cs.SI
Interactions and influence of world painters from the reduced Google matrix of Wikipedia networks
本研究的目的是从维基百科的网络结构中提取绘画艺术史知识。因此，我们构建了代表7个维基百科语言版本的文章的超链接结构的网页的理论网络。这7个网络进行分析，以提取最有影响力的画家在每个版本使用谷歌矩阵理论。使用PageRank算法测量了3000多名画家的网页重要性。最有影响力的画家被招募，他们的关系进行了研究，减少谷歌矩阵分析。Reduced Google Matrix是一种强大的方法，它可以捕获选定节点子集之间的直接和隐藏交互，同时考虑到这些节点之间通过大型全球网络的其余部分的间接链接。该方法起源于核物理和介观物理的散射理论以及量子混沌领域。从这项研究中，我们表明，它是可以从减少谷歌矩阵的组件提取有意义的信息，这些画家之间的关系。例如，我们的分析将属于同一绘画运动的画家分组，并显示不同运动的画家之间有意义的联系。我们还使用维基百科上有关画家和国家的文章之间的链接敏感度来确定画家对世界各国的影响。简化的Google矩阵方法允许获得维基百科语言版本的各种文化观点的平衡视图。在维基百科的七个版本中，拥有最多顶级画家的国家是意大利、法国和俄罗斯。我们认为，这种方法提供了关于艺术的有意义的信息，它可以成为人类知识和文化的广泛网络分析的一部分。
2018-07-03 cs.SI physics.soc-ph
Causal evidence for social group sizes from Wikipedia editing data
通过分析维基百科编辑历史，发现临时编辑群体规模存在涌现的连贯性峰值，并利用二分信任的 Promise Theory 模型推导出适用于群体规模分布的标度律，为自发社群的自组织性提供了因果证据。
2024-04-08 cs.MA cs.SI nlin.AO
Mind Your POV: Convergence of Articles and Editors Towards Wikipedia's Neutrality Norm
Georgia Institute of Technology（佐治亚理工学院）
维基百科有一个很强的“中立观点”（Neutral Point of View，缩写为NPR）的写作规范。违反这一规范的文章会被标记，并鼓励编辑进行更正。但是，这种标记系统的影响还没有得到定量测量。Numbers标签是否有助于文章收敛到所需的风格？Numbers的更正是否鼓励编辑采用这种风格？我们研究这些问题使用语料库的NPOV标记的文章和一组词汇与偏见的语言。一个中断的时间序列分析表明，在一篇文章被标记为Numbers后，文章中有偏见的语言显著减少，这是由几个词汇测量的。然而，对于个人编辑来说，Numbers的更正和讨论页面的讨论并没有对大多数这些词汇中的单词的用法产生显著的变化，包括维基百科自己的“要注意的单词”列表。这表明，Numbers标签和讨论确实改善了内容，但在让编辑适应网站的语言规范方面却不太成功。
2018-09-18 cs.CL cs.SI
A Quantitative Portrait of Wikipedia's High-Tempo Collaborations during the 2020 Coronavirus Pandemic
2020年冠状病毒大流行是一场历史性的社会动荡，全球各地都感受到了重大影响。维基百科是一个免费提供的，同行制作的百科全书，具有非凡的能力，可以根据当前事件创建和修改内容。这项研究使用了134，337名编辑对4，238篇文章的973，940次修订，考察了2020年前五个月英文维基百科对冠状病毒大流行的反应动态，作为一个“定量肖像”，描述了三个分析层面的新兴合作行为：文章修订，编辑贡献和网络动态。在多个数据源、定量方法和分析层面上，我们发现了四个一致的主题，表征了维基百科独特的大规模、高节奏和临时的在线合作：外部事件作为活动的驱动力、活动的溢出效应、编辑参与的复杂模式以及未来的阴影。鉴于人们越来越担心在线社交平台管理用户行为和内容的能力，我们从维基百科的冠状病毒合作中发现了在危机期间提高社会技术系统弹性的影响。
2020-06-16 cs.CY cs.HC cs.SI
Mining cross-cultural relations from Wikipedia - A study of 31 European food cultures
对许多人来说，维基百科是了解外国文化的主要来源之一。然而，不同的维基百科语言版本提供了不同的描述文化习俗。揭示文化的不同表现形式提供了一个重要的见解，因为它们可能助长跨文化陈规定型观念、误解甚至潜在冲突的形成。在这项工作中，我们探讨在何种程度上的描述的文化习俗在各种欧洲语言版本的维基百科不同的烹饪实践的例子，并提出了一种方法来挖掘不同语言社区之间的文化关系，通过他们的描述和兴趣，在自己和其他社区的饮食文化。我们使用1）各种外部参考数据源（即，欧洲社会调查，移民统计），2）众包方法和3）模拟。
2015-07-12 cs.CY cs.SI physics.soc-ph
Societal Controversies in Wikipedia Articles
UvA Amsterdam（阿姆斯特丹大学）；Politecnico di Milano（米兰理工大学）；Barcelona Media（巴塞罗那媒体中心）；Sciences Politiques（巴黎政治学院）
协作内容创作不可避免地会出现不同观点导致冲突的情况。我们专注于维基百科，任何人都可以编辑的自由百科全书，其中有争议的文章中的内容争议往往反映了更大的社会辩论。虽然维基百科对每一篇条目都有一个公开的编辑历史和讨论部分，但这些部分的内容很难让对条目发展感兴趣的维基百科用户幻影化，并定位哪些主题最具争议性。在本文中，我们提出了Contropedia，一个工具，增加维基百科的文章，并提供深入了解有争议的话题的发展。Contropedia使用了一种基于编辑历史的有效的语言不可知论方法，该方法专注于维基链接，可以轻松识别维基百科条目中哪些主题最具争议性，以及何时最具争议性。
2019-04-18 cs.CL cs.CY cs.SI
WikiPulse - A News-Portal Based on Wikipedia
越来越多的用户生成内容正在补充传统新闻。虽然我们不认为CNN或纽约时报及其专业记者会很快消失，但通过卑微的维基百科编辑，强大的竞争正在出现。在早期的研究中（Becker 2012），我们发现，娱乐和体育新闻在维基百科上的出现时间平均比CNN和路透社早两个小时。在这个项目中，我们构建了一个新闻阅读器，它可以自动识别最近的维基百科文章中的最新新闻，然后将其显示在一个专用的网站上。
2013-08-06 cs.DL cs.IR cs.SI
Implementation and Evaluation of a Framework to calculate Impact Measures for Wikipedia Authors
维基百科是一个开放的合作网站，任何人都可以编辑，甚至匿名编辑，因此成为恶意修改的受害者。因此，通过基于编辑历史计算影响力来对维基百科作者进行排名，有助于识别声誉用户或有害活动，如破坏行为\cite{Adler:2008:MAC:1822258.1822279}。但是，在一个系统上处理数百万个编辑可能需要很长时间。作者实现了一个开源框架，以分布式方式（MapReduce）计算这种排名，并评估其在各种大小的数据集上的性能。\citeauthor{Adler:2008:MAC:1822258.1822279}的贡献措施的重新实现证明了其可扩展性和可用性，以及处理庞大的数据集和可能的解决方案的问题。结果表明，水平缩放可以减少总的处理时间。
2017-08-26 cs.DB cs.DC cs.DL
There is No Deadline - Time Evolution of Wikipedia Discussions
维基百科的条目从定义上来说永远不会结束：它们的内容随时都可以被编辑，或者在相关的讨论页中进行讨论。在这项研究中，我们分析了这些讨论的演变，揭示了沿时间维度的集体参与模式，并阐明了不同主题的内容创作过程。在微观尺度上，我们研究了讨论活动中的峰值，并观察到与编辑活动的非平凡关系。在更大的范围内，我们引入了一个衡量讨论复杂性增长速度的指标，我们发现不同文章的速度跨越了三个数量级。我们的分析应该有助于社区的任务，如早期发现的争议和评估的讨论成熟度。
2012-07-10 cs.CY cs.SI physics.soc-ph
The Lives of Bots
自动化软件代理（或机器人）长期以来一直是维基百科志愿者编辑社区撰写、编辑、更新、监控和审核内容的重要组成部分。在本文中，我将讨论维基百科机器人运行的复杂社会和技术环境。本文重点介绍了英文维基百科的机器人政策和机器人批准小组的建立和作用，该小组是一个志愿者委员会，负责审查新机器人的申请，并帮助解决维基人之间关于自动化的冲突。特别是，我研究了一个早期的机器人争议的第一个机器人在维基百科自动执行的社会规范，维基百科的编辑应该如何互动的讨论空间。正如我所展示的，机器人在维基百科中执行许多规则，但人类生产这些机器人并围绕其操作协商规则。由于维基百科自动化流程的开放性，我们可以生动地观察到这种算法系统中通常不可见的人类工作-与大多数其他用户生成内容平台形成鲜明对比。
2018-10-22 cs.AI cs.CY cs.HC
Relations of society concepts and religions from Wikipedia networks
该研究利用约化Google矩阵算法分析8种语言维基百科的文章网络，确定了社会概念与宗教的相互作用、影响极，并定量对比了不同文化的观点差异。
2024-12-04 cond-mat.stat-mech cs.SI physics.soc-ph
Even Good Bots Fight: The Case of Wikipedia
近年来，在线机器人的数量大幅增加，从用于搜索引擎的网络爬虫到用于在线客户服务的聊天机器人，社交媒体上的垃圾邮件机器人以及在线协作社区中的内容编辑机器人。网络世界已经变成了一个机器人生态系统。然而，我们对这些自动化代理如何相互作用的知识相当贫乏。机器人是可预测的自动机，没有情感、意义、创造力和社会性的能力，因此很自然地期望机器人之间的交互是相对可预测和平静的。在本文中，我们分析了编辑维基百科上的文章的机器人之间的交互。我们跟踪机器人在2001-2010年期间撤销彼此编辑的程度，对机器人如何随着时间的推移进行交互建模，并识别不同类型的交互轨迹。我们发现，尽管维基百科机器人的目的是支持百科全书，但它们经常撤销彼此的编辑，这些毫无结果的“战斗”有时可能会持续数年。与维基百科上的人类不同，机器人的互动往往发生在更长的时间内，并且更具互动性。然而，就像人类一样，不同文化环境中的机器人可能会有不同的行为。我们的研究表明，即使是相对“愚蠢”的机器人也可能产生复杂的交互，这对人工智能研究具有重要意义。了解影响机器人之间互动的因素对于管理好社交媒体、提供足够的网络安全以及设计功能良好的自动驾驶汽车至关重要。
2017-02-27 cs.CY cs.HC cs.SI
Evolution of Privacy Loss in Wikipedia
集体在线参与的累积效应对个人隐私产生了重要而不利的影响。随着在线系统的不断发展，个人行为的新数字痕迹可能会发现个人过去的行为和她的私人特征之间隐藏的统计联系。为了量化这种影响，我们通过研究维基百科13年的编辑历史来分析个人隐私损失的演变，其中包括超过117，523个不同的用户执行188，805，088次编辑。我们使用看似无害的特征来追踪维基百科的每个贡献者，例如在给定时间段内对预定义的大类别（例如数学，文化或自然）进行的编辑数量。我们表明，即使在这种不具体的行为描述水平上，也可以使用现成的机器学习算法来揭示通常未公开的个人特征，如性别，宗教或教育。我们提供的经验证据表明，随着时间的推移，几乎所有的私人特质的预测准确性不断提高。令人惊讶的是，在给定时间后停止编辑的用户的预测性能仍然有所提高。新用户进行的活动似乎比现有（但仍然活跃）用户的额外活动对这一效应的贡献更大。这项工作的见解应该帮助用户，系统设计师和政策制定者理解并在在线内容创建系统中做出长期的设计选择。
2015-12-17 cs.SI
A Multilingual Entity Linking System for Wikipedia with a Machine-in-the-Loop Approach
超链接构成了Web的主干;它们使用户导航、信息发现、内容排名和Internet上的许多其他关键服务成为可能。特别是，维基百科中的超链接允许读者从一个页面导航到另一个页面，以扩展他们对感兴趣的给定主题的知识或发现新主题。然而，尽管维基百科编辑努力添加和维护其内容，但在许多语言版本中，链接的分布仍然稀少。本文介绍了一个机器在环实体链接系统，可以遵守社区的指导方针添加一个链接，旨在增加新的页面和低资源的维基项目的链接覆盖率。为了应对这些挑战，我们构建了一个上下文和语言无关的实体链接模型，该模型结合了从维基项目中发现的数百万个锚点以及数十亿用户的阅读会话中收集的数据。我们开发了一个交互式推荐界面，向编辑提供候选链接，编辑可以确认，拒绝或调整推荐，其总体目标是通过结构化任务为新人提供更容易获得的编辑体验。我们的系统的设计选择是与几个语言社区的成员合作做出的。当该系统作为维基百科的一部分实现时，志愿者编辑的使用将帮助我们构建一个具有主动反馈的连续评估数据集。我们的实验结果表明，我们的链接推荐器可以达到80%以上的准确率，同时确保召回率至少50%，在6种语言，覆盖不同的大小，大洲和家庭。
2021-05-31 cs.CY cs.HC cs.SI
It's a Man's Wikipedia? Assessing Gender Inequality in an Online Encyclopedia
维基百科是一个社区创建的百科全书，包含来自不同国家，时代和学科的着名人物的信息，旨在从中立的角度记录世界知识。然而，维基百科编辑社区的狭隘多样性有可能在维基百科的内容中引入系统性偏见，如性别偏见。在本文中，我们的目标是解决这个更大的挑战的子问题，提出并应用计算方法来评估性别偏见维基百科沿多个维度。我们发现，虽然维基百科上的女性在许多维基百科语言版本中都有很好的报道和特色，但女性的描绘方式与男性的描绘方式截然不同。我们希望我们的工作有助于提高人们对在线性别偏见的认识，特别是提高人们对性别偏见在网络上表现出来的不同层面的关注。
2015-03-23 cs.CY cs.SI
Multi-cultural Wikipedia mining of geopolitics interactions leveraging reduced Google matrix analysis
地缘政治学关注的是与地理空间相关的政治权力。世界各国之间的相互作用已经在各种规模上得到了广泛的研究，观察经济交流，世界历史或国际政治等。这项工作展示了维基百科挖掘此类研究的潜力。事实上，维基百科通过将网页链接在一起进行各种类型的交互（不仅与经济，政治或历史事实有关），存储了国家之间宝贵的细粒度依赖关系。我们在这里挖掘维基百科网络的几种语言版本使用最近提出的方法减少谷歌矩阵分析。这种方法允许在属于一个更大的有向网络的节点子集之间建立直接和隐藏的链接。我们的研究集中在全球40个主要国家。我们的目标是通过比较从五种不同的维基百科语言版本中提取的网络，重点是英语，俄语和阿拉伯语，来提供一个多元文化的视角。我们证明，这种方法可以恢复有意义的直接和隐藏的40个国家的利益之间的联系。
2017-06-13 cs.SI nlin.CD physics.soc-ph
Quality change: norm or exception? Measurement, Analysis and Detection of Quality Change in Wikipedia
维基百科已经变成了一个非常受欢迎的众包百科全书，以免费订阅内容的形式传播许多通用主题的信息。它允许任何人作出贡献，使文章保持全面和更新。为了在不影响标准的情况下丰富内容，维基百科社区列举了一套详细的指导方针，应该遵循。基于这些，条目被维基百科的编辑分成几个质量等级，并越来越多地遵守准则。编辑的这种质量评估任务是费力的，并且需要平台专业知识。作为第一个目标，在本文中，我们研究的维基百科文章的演变，这样的质量尺度。我们的研究结果显示，新的非直观的模式出现在这种探索。作为第二个目标，我们试图开发一个自动化的数据驱动的方法来检测影响文章质量变化的早期信号。我们将此作为一个变化点检测问题，即我们将一篇文章表示为连续修订的时间序列，并通过一组直观的功能对每个修订进行编码。最后，使用各种变化点检测算法来高效准确地检测未来变化点。我们还进行了各种消融研究，以了解哪组特征在识别变点方面最有效。据我们所知，这是第一个工作，严格探讨英文维基百科的文章质量生存周期的质量指标的角度来看，并提供了一种新的无监督的页面级别的方法来检测质量切换，这可以帮助在维基百科的自动内容监控，从而大大有助于CSCW社区。
2021-11-02 cs.IR cs.SI
Dynamical systems' models for the prediction of multi-variable time series. Wikipedia's traffic example
VAR、ARIMA、Holt-Winters等模型常用于多元时间序列的短期预测。在本文中，我们考虑模型的帮助下，动力系统，有相对简单的限制行为。在不同轨迹的相图之间切换，我们获得了高精度的预测。此外，动力系统的方法提供了全球定性图片的模型的相图，并允许我们讨论多维模式和长期的过程中的属性。简单的限制行为使我们能够将不同的趋势与可能受到外部性影响的不同过程实现场景相关联。我们证明这些想法使用维基百科的读者，贡献者和编辑流量的例子。首先，我们考虑二维模型，预测读者和编辑的流量。预测精度高于二维VAR预测。不同的趋势（对应于不同的不动点）可以与不同平台的激励相关联。然后，添加贡献者数据，我们讨论三维模型（比三维VAR更精确）。与二维动态模型相比，它提供了更准确的编辑短期预测。全球情况显示，未来新编辑的数量趋于下降，而新贡献者和读者的数量将长期增长。
2020-01-28 cs.SI math.DS
The Detection and effect of social events on Wikipedia data-set for studying human preferences
有几项研究使用维基百科（WP）数据集来分析全球人类对语言的偏好。然而，这些研究可能会受到与特殊社会环境有关的偏见的影响。任何推广WP特别版的大型活动都可以被定义为偏见的来源。在本文中，我们遵循一个检测离群值的过程。我们的研究是基于$12$语言和$13$不同的类别。我们的方法定义了一个参数，这是依赖于语言，而不是外部固定。我们还研究了人类循环行为的存在，以评估明显的离群值。在我们的分析之后，我们发现我们数据集中的离群值并没有显著影响使用整个维基百科数据集作为数字足迹来分析全球人类偏好。
2022-05-14 cs.SI physics.soc-ph
Convergence in Science, Divergence in Religion: Calibrated Framing Differences Across Wikipedia's Language Editions
National Central University（中央大学）；Computer Science and Information Engineering（计算机科学与信息工程）
该研究以维基百科多语言版本的概念表述为对象，用多语言编码器计算校准距离，发现宗教概念对齐度最低、科学概念对齐度最高，且发布了相关代码与数据。
2026-08-25 cs.CL cs.CY cs.SI
Sudden Attention Shifts on Wikipedia During the COVID-19 Crisis
我们研究了COVID-19大流行以及随之而来的严重流动限制如何影响了世界上最大的在线百科全书维基百科上的信息访问。一项纵向分析将维基百科12种语言版本的浏览量统计数据与苹果和谷歌发布的移动报告相结合，揭示了大流行期间信息搜索模式的数量和性质发生了巨大变化。有趣的是，虽然我们观察到移动限制后维基百科的页面浏览量暂时增加，但所寻求的信息的性质受到了更持久的影响。这些变化在与实施最严格的流动限制的国家相关的语言版本中最为明显。我们还发现，属于不同主题的文章表现不同;例如，对娱乐相关主题的关注持续存在，甚至有所增加，而对健康和生物相关主题的兴趣很小或短暂。我们的研究结果强调了维基百科在研究大流行如何影响人们的需求、兴趣和关注方面的效用。
2021-04-19 cs.CY cs.SI
WikiLinkGraphs: A Complete, Longitudinal and Multi-Language Dataset of the Wikipedia Link Networks
维基百科条目包含多个链接，将主题连接到百科全书的其他页面。在维基百科的术语中，这些链接被称为内部链接或维基链接。我们提出了一个完整的数据集的网络内部维基百科链接的$9$最大的语言版本。该数据集包含网络的年度快照，跨度为$17$年，从2001年维基百科创建到2018年3月1日。虽然以前的工作主要集中在完整的超链接图，其中还包括模板自动生成的链接，我们分析了每篇文章的每个版本，以跟踪出现在正文中的链接。通过这种方式，我们获得了一个更干净的网络，丢弃了一半以上的链接，并代表了所有且只有编辑故意添加的链接。我们详细描述了维基百科转储是如何处理的，以及我们遇到的挑战，包括需要处理特殊页面，如重定向，即，替代文章标题。我们提出了这个网络的几个快照的描述性统计。最后，我们提出了几个研究机会，可以利用这个新的数据集进行探索。
2019-04-04 cs.DL cs.SI
Confrontation of capitalism and socialism in Wikipedia networks
本研究提出INOF伊辛网络舆论形成模型，分析6种语言维基百科网络的意识形态舆论对抗，发现全球舆论更倾向社会主义与共产主义，模型结果符合预期且可推广至其他舆论竞争场景。
2025-08-01 cs.SI physics.soc-ph
Language-Agnostic Modeling of Source Reliability on Wikipedia
Technical University of Denmark（丹麦技术大学）
本文提出了一种语言无关模型，用于评估维基百科多语言版中来源的可靠性，通过分析域名在不同文章中的存在时间等特征，提高跨语言的可靠性预测性能。
2025-11-04 cs.LG cs.SI
Telling Breaking News Stories from Wikipedia with Social Multimedia: A Case Study of the 2014 Winter Olympics
由于能够实时观看维基百科和维基数据编辑，在线百科全书和知识库已成为越来越多地用于检测突发新闻事件的研究目标。在本文中，我们提出了一个案例研究的2014年冬季奥运会，在那里我们告诉的故事，突发新闻事件的背景下，奥运会的帮助下，社会多媒体源于多个社交网站。因此，我们已经扩展了应用程序维基百科直播浏览器-一个工具，用于检测突发新闻事件-具有自动创建媒体画廊，说明事件的能力。运动员赢得奥运会比赛，一个新的国家在奖牌榜上领先，或者仅仅是奥运会本身，这些事件都有足够的新闻价值，足以让人们同时编辑世界各地多种语言的维基百科和维基数据。奥运会是一个共同感兴趣的事件，更多的人在全球社交网站上以多种语言分享这一事件，这使得这一事件成为理想的研究对象。通过这项工作，我们将维基百科和维基数据的世界与社交网络网站的世界联系起来，以传达2014年冬季奥运会的精神，讲述胜利和失败的故事，并始终遵循奥林匹克格言Citius，Altius，Fortius。拟议中的系统--适用于所有类型的突发新闻故事--已经以Twitter bot @mediagalleries的形式投入生产，可在https://twitter.com/mediagalleries获得并存档。
2014-03-17 cs.CY cs.IR cs.SI
Novel version of PageRank, CheiRank and 2DRank for Wikipedia in Multilingual Network using Social Impact
如今，描述互联网用户导航行为的信息被用于电子商务、经济、社会学和数据科学等多个领域。这些信息可以从不同的知识库中提取，包括面向业务的知识库。在本文中，我们提出了一个新的模型的PageRank，CheiRank和2DRank算法的基础上使用的点击流和浏览量数据在谷歌矩阵的建设。我们使用了维基百科的数据，分析了11种语言版本的2000多万篇文章之间的链接。我们从SQL转储中提取了超过14亿对源-目的地文章，从XML转储中提取了超过7亿对。此外，我们根据对重定向页面的分析统一了对，并删除了所有重复的页面。此外，我们还基于所有考虑的语言版本创建了一个更大的维基百科条目网络，并获得了多语言措施。基于真实数据，我们讨论了标准PageRank、Cheirank、2DRank与基于我们的方法在不同语言和维基百科多语言网络中获得的度量之间的差异。
2020-08-17 cs.SI physics.soc-ph
Modeling Social Dynamics in a Collaborative Environment
维基百科是当今协作环境中价值生产的一个典型例子。使用这个例子，我们的模型的出现，持久性和解决严重的冲突，在合作过程中，通过耦合意见形成与文章编辑在一个有界的信心动态。编辑文章所涉及的复杂社会行为被实现为具有两个基本要素的极小模型;（i）个人直接交互以共享信息并相互说服，以及（ii）他们编辑一个共同的媒介以建立自己的观点。编辑的观点和文章所代表的观点是由标量变量表征的。当编辑人才库固定时，可以区分三种制度：（a）稳定的主流文章观点不断受到持极端观点的编辑的质疑，并且缓慢地向共识靠拢，（b）文章在持极端观点的编辑之间摇摆，在其中一个极端相对较快地达成共识，以及（c）极端主义编辑很快就转向主流意见，文章的演变不稳定。当编辑以一定的速度更新时，不同类型的编辑战争之间会发生动态转变，这定性地反映了在真实维基百科数据中观察到的冲突动态。
2014-06-15 cs.CY cs.SI physics.data-an
How Similar Are Grokipedia and Wikipedia? A Multi-Dimensional Textual and Structural Comparison
Centre for Sociology of Humans and Machines (SOHAM)（人类与机器社会研究中心）；School of Mathematics and Statistics（数学与统计学学院）
研究通过对比17790对文章，分析Grokipedia和Wikipedia在文本和结构上的相似性，发现Grokipedia文章更长但引用更少，内容分为两组，其中一组在政治偏见上有所右移，引发对AI生成内容透明性和知识治理的质疑。
2026-04-10 cs.AI cs.CY cs.SI
Opinion formation in Wikipedia Ising networks
本文提出维基百科伊辛网络意见形成模型，用异步蒙特卡洛过程模拟多数投票驱动的意见极化，并推广到三组意见竞争，用于分析政治领导人、国家及社会概念在复杂网络中的影响与竞争。
2025-09-12 cond-mat.stat-mech cs.SI physics.soc-ph
Constructing a Common Ground: Analyzing the quality and usage of International Auxiliary Languages in Wikipedia
本研究分析了维基百科上七种国际辅助语言版本的质量与使用情况，发现其表现与社区规模成正比，并提出改进内容数量与质量是促进其增长的关键。
2024-08-28 cs.SI
NwQM: A neural quality assessment framework for Wikipedia
数以百万计的人，无论社会经济和人口背景如何，每天都依赖维基百科的文章来了解流行和晦涩的话题。文章被编辑分为几个质量等级，这表明它们作为百科全书内容的可靠性。这份手册的指定是一项繁重的任务，因为它需要对维基百科语言有深刻的了解，以及在一套迂回的维基指南中导航。在本文中，我们提出了神经维基百科质量监控器（NwQM），这是一种新型的深度学习模型，它可以从几个关键的信息源（如文章文本，Meta数据和图像）中积累信号，以获得改进的维基百科文章表示。我们提出了我们的方法与大量可用的解决方案的比较，并显示了8%的改善，比最先进的方法与详细的消融研究。
2020-10-14 cs.DL cs.SI
Galaxysearch - Discovering the Knowledge of Many by Using Wikipedia as a Meta-Searchindex
我们提出了一个动态地图的知识维基百科页面和其中包含的Web URL。GalaxySearch为我们不知道如何提问的问题提供答案，通过构建与搜索词相关的维基百科最相关页面的语义网络。这个搜索图是基于维基百科的双向链接结构、页面上最近的编辑、页面的重要性和文章质量构建的;然后搜索结果根据其网络位置的中心度进行排名。GalaxySearch以三种相关的方式提供结果：（1）WikiSearch -为选定的主题识别最突出的维基百科页面和Web链接，（2）WikiMap -创建一个可视化的时间地图，显示搜索结果在返回的维基百科条目的生命周期内生成的语义网络的变化，以及（3）WikiPulse -查找关于主题的最新和最相关的更改和更新。
2012-04-16 cs.SI
