面向 Wikidata 编辑者的条目推荐学习

Wikidata 是由全球志愿者社区构建的开放知识图谱。随着规模扩大，它在编辑者参与方面面临重大挑战。这些挑战既体现在吸引新编辑以应对海量工作，也体现在留住现有编辑。来自其他在线社区和同伴生产系统（包括 Wikipedia）的经验表明，个性化推荐可能会有所帮助，尤其是对新人，他们有时不确定如何最好地为进行中的工作做出贡献。为此，我们提出了一种面向 Wikidata 条目的推荐系统 WikidataRec。该系统采用基于内容与协同过滤的混合技术，依靠条目特征和条目-编辑者先前交互为编辑者排序条目。设计了一个名为神经表示混合的神经网络，以学习基于条目的表示组合的精细权重，并通过条目-编辑者交互将其与基于编辑者的表示进行优化。为促进该领域的进一步研究，我们还创建了两个基准数据集：一个通用数据集包含负责与 400 万条目发生 1400 万次交互的 22 万编辑者，另一个聚焦于 8000 多名更活跃编辑者的贡献。我们在两个数据集上对该系统进行了离线评估，结果令人鼓舞。我们的代码和数据集可在 https://github.com/WikidataRec-developer/Wikidata_Recommender 获取。