在本文中,我们展示了机器学习与自然语言处理可以准确预测在线讨论中群体决策的结果。具体而言,我们研究了文章删除提名(Articles for Deletion),这是一个用于决定哪些内容应包含在维基百科中的论坛。应用这个模型,我们复制了先前关于预测辩论结果因素的研究发现;然后扩展了先前的工作,提出了新的研究途径,特别是在讨论中使用政策引用方面。除了这些发现,我们还引入了一个结构化语料库和源代码,用于分析维基百科历史上超过40万场删除辩论,使未来对群体决策话语的大规模研究成为可能。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2019
emoji_events
奖项
荣誉提名
group
作者
2 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文