Modelagem Independente de Idioma de Artigos da Wikipedia para Avaliação da Qualidade do Conteúdo em Diferentes Idiomas

A Wikipedia é o maior repositório web de conhecimento livre. Editores voluntários dedicam tempo e esforço para criar e expandir artigos em mais de 300 edições de idiomas. Como a qualidade do conteúdo varia de artigo para artigo, os editores também gastam um tempo considerável avaliando artigos com critérios específicos. No entanto, manter essas avaliações completas e atualizadas é em grande parte impossível devido à natureza em constante mudança da Wikipedia. Para superar essa limitação, propomos uma nova estrutura computacional para modelar a qualidade dos artigos da Wikipedia. Abordagens de ponta para modelar a qualidade dos artigos da Wikipedia utilizaram técnicas de aprendizado de máquina com características específicas de idiomas. Em contrapartida, nossa estrutura é baseada em características estruturais independentes de idioma extraídas dos artigos, um conjunto de pesos universais e um critério de normalização específico da versão do idioma. Portanto, garantimos que todas as edições de idioma da Wikipedia possam se beneficiar de nossa estrutura, mesmo aquelas que não possuem seu próprio esquema de avaliação da qualidade. Usando essa estrutura, construímos conjuntos de dados com os valores das características e pontuações de qualidade de todas as revisões de todos os artigos nas versões de idioma existentes da Wikipedia. Fornecemos uma análise descritiva desses recursos e um benchmark de nossa estrutura. Além disso, discutimos possíveis tarefas futuras a serem abordadas com esses conjuntos de dados, que são divulgados para uso público.