網(wǎng)絡(luò)百科條目質(zhì)量評價(jià)研究.pdf

1、在二十一世紀(jì)，互聯(lián)網(wǎng)的普及和應(yīng)用帶來了信息量的迅速增長。人們一方面受益于訪問大量信息的便捷，另一方面卻難以評判信息的質(zhì)量好壞。維基百科就是這樣的一個(gè)典型的案例。在維基百科上每天都有大量的條目在經(jīng)歷著創(chuàng)建、修改和編輯的過程，但是對條目的質(zhì)量評判工作卻跟不上條目變化的速度。維基百科采用基于人工的質(zhì)量評判體系，使得評價(jià)質(zhì)量的效率受到了很大限制。因此用戶對于其中相當(dāng)一部分的條目并不知道質(zhì)量到底是好是壞。雖然維基百科也引入了用戶評分的機(jī)制，但是受

2、人的主觀性影響評價(jià)效果并不好。本文針對維基百科上質(zhì)量評價(jià)的效率和客觀性存在的問題，對條目的質(zhì)量評價(jià)進(jìn)行了研究，開發(fā)了自動(dòng)的質(zhì)量評價(jià)方法。
　　本文首先研究了維基百科上條目與質(zhì)量相關(guān)的特征，從而為后續(xù)質(zhì)量評價(jià)工作打下基礎(chǔ)。一方面維基百科的高質(zhì)量條目要具備傳統(tǒng)百科條目所擁有的一般性特征，比如內(nèi)容全面、信息準(zhǔn)確等等；另一方面維基百科條目的撰寫與傳統(tǒng)百科存在著本質(zhì)上的不同。維基百科采用了基于眾包的編寫模式，其條目的編寫工作不是由少數(shù)專家編

3、委完成，而是由眾多編輯者一起參與完成的。所以條目的質(zhì)量與其編輯歷史有著密切的關(guān)聯(lián)，我們也從其編輯歷史中挖掘了特征。我們對條目內(nèi)容和編輯歷史中的特征進(jìn)行了選取和分析，確定了部分能用機(jī)器評價(jià)的特征來作為我們研究的對象。
　　在對條目質(zhì)量進(jìn)行評價(jià)時(shí)從分類和排序的兩個(gè)角度展開。從分類的角度我們開發(fā)了一套基于SVM的分類方法來區(qū)分優(yōu)質(zhì)條目候選和普通條目。這樣我們就能夠從維基百科海量的條目中選取高質(zhì)量的條目作為優(yōu)質(zhì)條目候選，從而克服人工評選的

4、不足；另一方面我們研究了優(yōu)質(zhì)條目候選在評審階段能否得到晉升的問題。我們發(fā)現(xiàn)機(jī)器的分類效果并不理想，因此不能完全替代人工評審的作用。
　　接下來我們研究了對領(lǐng)域內(nèi)的條目進(jìn)行質(zhì)量排序的方法。我們首先利用PageRank模型對于條目和編輯者之間構(gòu)成的二部圖網(wǎng)絡(luò)進(jìn)行了建模。我們發(fā)現(xiàn)直接利用PageRank來計(jì)算收斂狀態(tài)下的排名時(shí)優(yōu)質(zhì)條目的排名比較靠后，質(zhì)量排序效果不好。因此我們換了另外的思路。我們利用優(yōu)質(zhì)條目來度量編輯者的水平，進(jìn)而實(shí)現(xiàn)了