图-语言融合：利用语言模型进行 Wikidata 破坏检测
Graph-Linguistic Fusion: Using Language Models for Wikidata Vandalism Detection
AI总结：
针对 Wikidata 的破坏检测，提出 Graph2Text 方法将结构化与文本编辑统一为文本空间，用单一多语言语言模型评估，优于现有系统并开源代码与数据集。
摘要：
我们为 Wikidata（网络上最大的开源结构化知识库之一）引入了一套下一代破坏检测系统。Wikidata 高度复杂：其条目包含不断扩展的事实三元组和多语言文本。虽然编辑可以同时改变结构化内容和文本内容，但我们的方法通过一种称为 Graph2Text 的方法将所有编辑转换到单一空间中。这使得可以使用单一的多语言语言模型评估所有内容更改以检测潜在破坏。这种统一方法提高了覆盖率并简化了维护。实验表明，我们的解决方案优于当前的生产系统。此外，我们以开放许可发布代码，并附带一个包含各种人工生成的知识变更的大型数据集，以促进进一步研究。
英文摘要：
We introduce a next-generation vandalism detection system for Wikidata, one of the largest open-source structured knowledge bases on the Web. Wikidata is highly complex: its items incorporate an ever-expanding universe of factual triples and multilingual texts. While edits can alter both structured and textual content, our approach converts all edits into a single space using a method we call Graph2Text. This allows for evaluating all content changes for potential vandalism using a single multilingual language model. This unified approach improves coverage and simplifies maintenance. Experiments demonstrate that our solution outperforms the current production system. Additionally, we are releasing the code under an open license along with a large dataset of various human-generated knowledge alterations, enabling further research.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
