維基百科條目質(zhì)量評價方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機(jī)應(yīng)用技術(shù)的技術(shù)領(lǐng)域，具體地涉及維基百科條目質(zhì)量評價方 法。
【背景技術(shù)】
[0002] 自創(chuàng)建以來，維基百科已發(fā)展成為世界上最知名的互聯(lián)網(wǎng)百科全書。截至2014 年底，維基百科里包含了 288種語言撰寫的三千多萬個條目，同時擁有分布在世界各地的 五千多萬名編輯者。其中，規(guī)模最大的英語維基百科包含四百多萬個條目，編輯者人數(shù)超過 兩千萬。
[0003] 雖然維基百科條目數(shù)量要遠(yuǎn)遠(yuǎn)的超過《大英百科全書》等傳統(tǒng)的百科全書，但是條 目內(nèi)容的質(zhì)量卻無法與專家編纂的傳統(tǒng)百科全書相提并論。為了幫助用戶辨別高質(zhì)量的條 目，同時促進(jìn)編輯者改進(jìn)低質(zhì)量的條目，維基百科把條目按照質(zhì)量的優(yōu)劣分為七個等級：特 色、甲級、優(yōu)良、乙級、丙級、初級與小作品。同時采用同行評審的方式確定條目屬于哪個質(zhì) 量等級。但是，由于維基百科的條目數(shù)量增長過快，人工評價條目質(zhì)量的方法無法跟上維基 百科快速增長的節(jié)奏。實(shí)際上，在維基百科里僅有少數(shù)條目通過同行評審的方式確定了質(zhì) 量，大多數(shù)條目的質(zhì)量處于未知狀態(tài)。
[0004] 現(xiàn)在已有一些自動評價維基百科條目質(zhì)量的方法。這些方法大多數(shù)是基于分類的 方法，即把樣本里的條目簡單的分為高質(zhì)量條目與低質(zhì)量條目兩類。但是，維基百科里的條 目質(zhì)量千差萬別，簡單的分類無法反應(yīng)條目質(zhì)量的真實(shí)情況。
[0005] 因此，目前亟需一種自動化程度高、評價結(jié)果準(zhǔn)確的維基百科條目質(zhì)量評價方法， 能夠與同行評審的結(jié)果吻合，并自動評價未分等級的條目。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的一個目的是解決至少上述問題和/或缺陷，并提供至少后面將說明的優(yōu) 點(diǎn)。
[0007] 本發(fā)明還有一個目的是提供一種篩選維基百科的有意義的分類的方法，其能夠篩 選條目之間相互關(guān)聯(lián)度強(qiáng)的分類認(rèn)定為有意義的分類并作為領(lǐng)域，提高條目質(zhì)量評價的效 率。
[0008] 本發(fā)明還有一個目的是提供一種維基百科條目質(zhì)量評價方法，根據(jù)數(shù)據(jù)量化的方 式高效評價條目的質(zhì)量值和編輯者的信譽(yù)度值，解決維基百科知識質(zhì)量評價問題，更加準(zhǔn) 確、直觀。
[0009] 為了實(shí)現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點(diǎn)，提供了一種維基百科條目質(zhì)量評價 方法，包括：
[0010] 步驟一、在維基百科選擇一個分類，讀取所述分類的全部的直接隸屬頁面，分析所 述直接隸屬頁面對應(yīng)的條目的鏈接關(guān)系網(wǎng)絡(luò)的相互性系數(shù)，根據(jù)所述相互性系數(shù)篩選有意 義的分類作為領(lǐng)域；
[0011] 步驟二、采用迭代的方式計算所述領(lǐng)域里各條目的質(zhì)量值，以及編輯者在所述領(lǐng) 域的信譽(yù)度值。
[0012] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，在所述步驟一之前，還包括對維基 百科的原始數(shù)據(jù)預(yù)處理，包括：
[0013] S1、在維基百科的原始數(shù)據(jù)里的分類隸屬關(guān)系表categorylinks、條目鏈接關(guān)系 表pagelinks與條目重定向關(guān)系表redirect讀取包含的條目或分類的名稱title、名稱空 間namespace，并在維基百科的頁面基本信息數(shù)據(jù)表page查詢所述條目或分類相應(yīng)的編號 id，并將分類隸屬關(guān)系表categorylinks、條目鏈接關(guān)系表pagelinks和條目重定向關(guān)系表 redirect中的條目或分類的名稱title、名稱空間namespace更換為查詢到的條目或分類 相應(yīng)的編號id;
[0014] S2、在S1步驟得到的條目重定向關(guān)系表redirect里查詢更換后的條目的正式名 稱相應(yīng)的編號id后，把維基百科的原始數(shù)據(jù)里的條目鏈接關(guān)系表pagelinks、條目編輯歷 史記錄pagemetahistory包含的條目別名更換為條目正式名稱相應(yīng)的編號id，并去除冗余 只保留一個編號id。
[0015] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，所述步驟一具體包括：
[0016] 步驟a、在維基百科選擇一個分類，讀取所述分類的全部的直接隸屬頁面，建立所 述直接隸屬頁面對應(yīng)的條目的鏈接關(guān)系網(wǎng)絡(luò)有向圖G= (V，E)，V為所述分類里的全部條目 集合，E為條目之間的鏈接關(guān)系的集合；
[0017] 步驟b、計算條目之間的相互性系數(shù)：
，Lbd表示條目之間雙向鏈接的 數(shù)目；L表示全部鏈接的數(shù)目；6表示鏈接關(guān)系的密度，即6 =Z/_-l)，N表示條目的數(shù) 目；
[0018] 步驟c、將步驟b計算得到的相互性系數(shù)與代表?xiàng)l目關(guān)聯(lián)度的閾值0進(jìn)行比較，若 相互性系數(shù)大于0,則判定條目之間相互關(guān)聯(lián)度較強(qiáng)，該分類可以作為領(lǐng)域；若相互性系數(shù) 小于0,則判定條目之間相互關(guān)聯(lián)度較弱，該分類不可以作為領(lǐng)域。
[0019] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，所述步驟a中在維基百科選擇一 個分類，可以通過查詢所述頁面基本信息數(shù)據(jù)表page，讀取所述分類的編號id，然后通過 讀取的編號id在所述分類的分類隸屬關(guān)系表categorylinks查詢?nèi)康闹苯与`屬條目。
[0020] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，所述步驟b中的1^和L可以通過 統(tǒng)計所述分類的條目鏈接關(guān)系表pagelinks的超鏈接關(guān)系得到。
[0021] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，統(tǒng)計所述分類的條目鏈接關(guān)系表 pagelinks的超鏈接關(guān)系可以通過編寫SQL語句得到。
[0022] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，所述步驟二中：采用HITS算法和 向量標(biāo)準(zhǔn)化迭代計算所述領(lǐng)域里各條目的質(zhì)量值，以及編輯者在所述領(lǐng)域量的信譽(yù)度值。
[0023] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，所述步驟二具體包括：
[0024] 步驟d、構(gòu)建所述領(lǐng)域的全部的直接隸屬條目的集合Sa和所述領(lǐng)域的全部的編輯 者的集合預(yù)設(shè)迭代次數(shù)；
[0025] 步驟e、對于Sa*的條目a，其質(zhì)量值
，對\里的每個編 輯者設(shè)置相同的初始信譽(yù)度值，按照這種方法計算出sa中的每個條目的質(zhì)量值；其中，n為 條目a的編輯者人數(shù)，ei為條目a的第i個編輯者，Authority(eJ為第i個編輯者的信譽(yù) 度值；
[0026] 步驟f、將步驟e得到的&里的每個條目的質(zhì)量值作標(biāo)準(zhǔn)化處理
*其中，m為&里條目的數(shù)目；
[0027] 步驟g、對中的編輯者e，其信譽(yù)度值
，按照這種方法 計算出\中的每個編輯者的信譽(yù)度值；其中，n為編輯者e在所述領(lǐng)域里編輯的條目的數(shù) 目，％為編輯者e在所述領(lǐng)域里編輯的第i個條目，Quality(a)為步驟f?計算得到的編輯 者e編輯的第i個條目的質(zhì)量值；
[0028] 步驟h、將步驟g得到的Se里的每個編輯者的信譽(yù)度值做標(biāo)準(zhǔn)化處理
^其中，111為\里編輯者的數(shù)目；
[0029] 步驟i、把步驟h得到的\里的每個編輯者的信譽(yù)度值代入步驟e并重復(fù)步驟e 至步驟h至預(yù)設(shè)的迭代次數(shù)，得到收斂的每個直接隸屬條目的質(zhì)量值Quality(a)和每一個 編輯者在所述領(lǐng)域的信譽(yù)度值A(chǔ)uthority(e)。
[0030] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，所述步驟e中，對里的每個編輯 者設(shè)置相同的初始信譽(yù)度值為1。
[0031] 優(yōu)選的是，所述的維基百科條目質(zhì)量評價方法，在對維基百科的原始數(shù)據(jù)預(yù)處理 之前，還包括：下載任一語言版本維基百科數(shù)據(jù)，即頁面基本信息數(shù)據(jù)表page、條目重定向 關(guān)系表redirect、分類隸屬關(guān)系表categorylinks、條目鏈接關(guān)系表pagelinks和條目編輯 歷史記錄pagemetahistory。
[0032] 本發(fā)明至少包括以下有益效果：
[0033] 第一、本發(fā)明在限定的領(lǐng)域范圍內(nèi)，迭代的計算領(lǐng)域里的條目的質(zhì)量值以及編輯 者的信譽(yù)度值，能夠?qū)崿F(xiàn)條目質(zhì)量的自動評價，該技術(shù)簡單高效；
[0034] 第二、本發(fā)明應(yīng)用復(fù)雜網(wǎng)絡(luò)技術(shù)分析維基百科里的分類的有效性，篩選有意義的 分類作為領(lǐng)域，限定迭代計算的范圍，提高條目質(zhì)量評價的效率；
[0035] 第三、引入編輯者與條目的關(guān)系計算條目的質(zhì)量，并把條目的質(zhì)量以精確的數(shù)值 表示出來，與其它條目質(zhì)量評價方法相比準(zhǔn)確度更高。
[0036] 本發(fā)明的其它優(yōu)點(diǎn)、目標(biāo)和特征將部分通過下面的說明體現(xiàn)，部分還將通過對本 發(fā)明的研宄和實(shí)踐而為本領(lǐng)域的技術(shù)人員所理解。
【附圖說明】
[0037] 圖1為本發(fā)明所述的分類與所述的條目的關(guān)系的簡單示意圖；
[0038] 圖2為本發(fā)明英文維基百科數(shù)據(jù)下載頁面的示意圖；
[0039] 圖3為本發(fā)明中文維基百科數(shù)據(jù)下載頁面的示意圖；
[0040] 圖4為本發(fā)明所述的頁面基本信息數(shù)據(jù)表page的示意圖；
[0041] 圖5為本發(fā)明所述的條目重定向關(guān)系表redirect的示意圖；
[0042] 圖6為本發(fā)明所述的分類隸屬關(guān)系