维基百科文化多样性数据集：300 个语言版本的完整图谱

在本文中，我们提出维基百科文化多样性数据集。对于每一个现有的维基百科语言版本，该数据集包含对其相关文化背景文章的归类，即所有与该语言及使用该语言的地区相关的概念和实体。我们描述了用于文章分类的方法，以及我们定义并作为数据集一部分发布的丰富特征集以馈入分类器。我们提出了若干该数据集的用途设想，包括检测、度量并抵消维基百科项目中的内容鸿沟，以及促进数字人文领域的跨文化研究。