网络百科条目质量评价研究

【摘要】：在二十一世纪,互联网的普及和应用带来了信息量的迅速增长。人们一方面受益于访问大量信息的便捷,另一方面却难以评判信息的质量好坏。维基百科就是这样的一个典型的案例。在维基百科上每天都有大量的条目在经历着创建、修改和编辑的过程,但是对条目的质量评判工作却跟不上条目变化的速度。维基百科采用基于人工的质量评判体系,使得评价质量的效率受到了很大限制。因此用户对于其中相当一部分的条目并不知道质量到底是好是坏。虽然维基百科也引入了用户评分的机制,但是受人的主观性影响评价效果并不好。本文针对维基百科上质量评价的效率和客观性存在的问题,对条目的质量评价进行了研究,开发了自动的质量评价方法。本文首先研究了维基百科上条目与质量相关的特征,从而为后续质量评价工作打下基础。一方面维基百科的高质量条目要具备传统百科条目所拥有的一般性特征,比如内容全面、信息准确等等;另一方面维基百科条目的撰写与传统百科存在着本质上的不同。维基百科采用了基于众包的编写模式,其条目的编写工作不是由少数专家编委完成,而是由众多编辑者一起参与完成的。所以条目的质量与其编辑历史有着密切的关联,我们也从其编辑历史中挖掘了特征。我们对条目内容和编辑历史中的特征进行了选取和分析,确定了部分能用机器评价的特征来作为我们研究的对象。在对条目质量进行评价时从分类和排序的两个角度展开。从分类的角度我们开发了一套基于SVM的分类方法来区分优质条目候选和普通条目。这样我们就能够从维基百科海量的条目中选取高质量的条目作为优质条目候选,从而克服人工评选的不足;另一方面我们研究了优质条目候选在评审阶段能否得到晋升的问题。我们发现机器的分类效果并不理想,因此不能完全替代人工评审的作用。接下来我们研究了对领域内的条目进行质量排序的方法。我们首先利用Page Rank模型对于条目和编辑者之间构成的二部图网络进行了建模。我们发现直接利用Page Rank来计算收敛状态下的排名时优质条目的排名比较靠后,质量排序效果不好。因此我们换了另外的思路。我们利用优质条目来度量编辑者的水平,进而实现了对于条目的质量排序。在此基础上,我们开发的基于编辑历史特征的加权算法能显著提高排序的效果。本文的研究以网络百科中的维基百科为典型代表,对于研究其他的网络百科以及众包网站上内容的质量评价也具有重要参考意义。
【关键词】：维基百科 质量特征 质量评价 SVM Page Rank
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP393.092;TP391.1