通过自动挖掘的问卷引导新 Wikipedia 用户兴趣：热情欢迎，而非冷启动
信息检索
2019-04-09 v1
摘要
每天都有数千名用户注册成为 Wikipedia 的新贡献者。一旦加入，这些用户必须决定要贡献哪些条目、寻求并学习或合作哪些用户等。鉴于 Wikipedia 的庞大规模，任何此类任务都是困难且可能令人沮丧的。因此，通过推荐他们乐于编辑的条目或乐于合作的编辑来支持新手的起步，是将他们转化为长期贡献者的一个有前景的途径。然而，标准推荐系统依赖于用户先前与平台的交互历史。因此，这些系统在没有先前交互的新手身上无法做出高质量推荐——即所谓的冷启动问题。本文通过开发一种自动构建简短问卷的方法来解决 Wikipedia 上的冷启动问题，当新注册的 Wikipedia 用户填写后，该问卷可用于多种目的，包括可以帮助新编辑起步的条目推荐。我们的问卷基于 Wikipedia 条目的文本以及已入驻 Wikipedia 编辑的贡献历史构建。我们在使用历史数据的离线评估以及数百名真实 Wikipedia 新手的在线评估中评估了基于问卷的推荐质量，得出结论：我们的方法提供了内聚的、人类可读的问题，并且在多个基线对比中表现良好。通过解决冷启动问题，本工作有助于 Wikipedia 多样化编辑社区的可持续增长与维护。
引用
@article{arxiv.1904.03889,
title = {Eliciting New Wikipedia Users' Interests via Automatically Mined Questionnaires: For a Warm Welcome, Not a Cold Start},
author = {Ramtin Yazdanian and Leila Zia and Jonathan Morgan and Bahodir Mansurov and Robert West},
journal= {arXiv preprint arXiv:1904.03889},
year = {2019}
}
备注
Accepted at the 13th International AAAI Conference on Web and Social Media (ICWSM-2019)