Wiki Evolution dataset: English Wikipedia revision articles represented by quality attributes

• Ana Luiza Sanches Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
• Sinval de Deus Vieira Júnior Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
• Daniel Hasan Dalip Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
• Bárbara Gabrielle C. O. Lopes Universidade Federal de Minas Gerais (UFMG)

DOI: https://doi.org/10.5753/dsw.2022.225573

Resumo

Este artigo descreve a criação e disponibilização da base de dados de evolução de artigos da Wikipédia. A base é caracterizada por atributos de qualidades e a classe de qualidade dos artigos em determinada data, sendo cada instância entendida como revisão. Esta base pode ser utilizada para estudos relacionados com classificação automática de qualidade que considerem o histórico de revisão do artigo e entendimento de como o conteúdo e qualidade dos artigos evoluem ao longo do tempo nessa plataforma colaborativa.

Palavras-chave: base de dados, Wikipédia, atributos de qualidade

Referências

Batista, N. A., Brandão, M. A., Pinheiro, M. B., Dalip, D. H., and Moro, M. M. (2018). Dados de múltiplas fontes da web: coleta, integração e pré-processamento. In de Computação-SBC, S. B., editor, Anais do XXIV Simpósio Brasileiro de Sistemas Multimídia e Web: Minicursos, chapter 5, pages 153-192. Sociedade Brasileira de Computação – SBC.

Dalip, D. H. (2015). Uma Abordagem Multi-Visão para a Estimativa Automática da Qualidade de Conteúdo Colaborativo na Web 2.0. PhD thesis, UFMG.

Dang, Q. V. and Ignat, C.-L. (2016). Quality assessment of wikipedia articles without feature engineering. In Proceedings of the 16th ACM/IEEE-CS on Joint Conference on Digital Libraries, JCDL ’16, pages 27-30, New York, NY, USA. ACM.

Hasan Dalip, D., André Gonçalves, M., Cristo, M., and Calado, P. (2009). Automatic quality assessment of content created collaboratively by web communities: A case study of wikipedia. In Proceedings of the 9th ACM/IEEE-CS Joint Conference on Digital Libraries, JCDL ’09, pages 295-304, New York, NY, USA. ACM.

Jhandir, M. Z., Tenvir, A., On, B.-W., Lee, I., and Choi, G. S. (2017). Controversy detection in wikipedia using semantic dissimilarity. Inf. Sci., 418(C):581-600.

Pinto, A. C., Silva, B. S., Carmo, P. R. M., Lima, R. L. A., Amorim, L. S. P., Viana, R. T. C., Dalip, D. H., and Oliveira, P. A. C. (2020). Webfeatures: A web tool to extract features from collaborative content. In Anais Estendidos do XXVI Simpósio Brasileiro de Sistemas Multimídia e Web, pages 103-106, Porto Alegre, RS, Brasil. SBC.

Tyagi, N., Solanki, A., and Tyagi, S. (2010). An algorithmic approach to data preprocessing in web usage mining. International Journal of Information Technology and Knowledge Management, 2.

WikiMedia (2019). Mediawiki api help. Disponível em https://wiki.f-si.org/api.php.

Wikipedia (2019a). Wikipédia: :aviso geral. Disponível em https://pt.wikipedia.org/wiki/Wikip%C3%A9dia:Aviso_geral.

Wikipedia (2019b). Wikipédia:content assessment. Disponível em https://en.wikipedia.org/wiki/Wikipedia:Content_assessment.

Wikipedia (2019c). Wikipedia:size of wikipedia. Disponível em https://en.wikipedia.org/wiki/Wikipedia:Size_of_Wikipedia.