标签： wiki

TextExt – DBpedia Open Extraction Challenge

DBPedia日前宣布举办持续性的开放文本抽取挑战赛，目的在于解决从维基百科文章文本（而非信息盒）中抽取三元组问题，并进而使相关技术普遍化，以及开发更细粒度的质量测度与准则，帮助判断是否信任这些数据。摘译网站信息如下：

背景
DBPedia和Wikidata目前主要专注于表达维基百科信息盒（infobox）中包含的事实知识。但是，大量信息包含在非结构化的维基百科文章文本中。通过“DBpedia开放文本抽取挑战赛”，我们旨在促进由维基百科文章文本的知识抽取，以显著扩大和深化结构化DBpeida/维基百科数据的数量，并为评估不同抽取工具提供一个基准平台。

使命
维基百科已经成为无处不在的世界知识来源，使人类能够查找定义、快速熟悉新论题、研读新闻事件的背景信息……。DBpedia的总使命是收割维基百科的知识，加以提炼与结构化，然后为IT用户和业界，以自由和开放的方式在网络传播。

方法
“DBpedia开放文本抽取挑战赛”与语言技术和其他领域的其他挑战赛有很大不同，它不同一次性的，而是持续增长和扩大的，关注*可持续地*推动现状，超越*系统化*方法的边界。DBPedia协会及本次挑战赛主办者承诺提供必要的基础设施，无限期地推动本挑战赛，同时有可能扩展该挑战赛到维基百科以外。

我们定期提供由9种不同语言的维基百科文章抽取并清洗过的全文文本供下载，并作为机读NIF-RDF格式的Docker。要求挑战赛选手以Docker images容纳其NLP（自然语言处理）及抽取引擎，然后提交给我们。我们将定期运行参赛者工具以抽取：
1、事实、关系、事件、术语、本体为RDF三元组（三元组追踪）
2、有用的NLP注释，如位置标记、依赖关系、共同参照（注释追踪）

【每年举办多次会议】允许在所选会议前2个月前提交。实施技术要求、提供充分描述的参赛者将能出席会议，并加入年度会议录。每次会议，挑战赛委员会将在参赛者中选择一位获胜者，可得1000欧元。

成果
每年12月，我们将发布参赛者提交的文章摘要和会议录。首个会议录计划在2017年12月发布。

对参赛者的要求 ：
三元组Track（知识抽取）
提交的主要目标是N-Triples格式的一个或多个文档，内容为由维基百科文章文本抽取的事实。三元组将按以下准则评介：
– 抽取数据的数量
– 抽取数据的质量（正确性，适用性，一致性和简洁性）
– 抽取类型：除了事实，也希望术语和词典、本体知识（新类型、分类法、格言/原理、定义域/值域）
– 语言多样性：抽取自多种语言
– 能够在所要求的NIF格式中保持适当的出处

文章指引
附4-10页文章……不要求方法原创，作者只顺专注于简洁、独立描述再现结果的所有必须信息。尽管强烈鼓励所用工具或系统是免费、公开可访问的，但这不是必要条件。

    在众多在线百科中，维基百科是我的首选。今天是维基百科十周年纪念日，想起开博之初写的“维基百科搞笑词条” (2004年11月7日)，翻出那个搞笑词条“稻米”晒晒：

稻米是一种可食用的谷物，煮熟后称米饭。
现在常用电饭煲煮饭，煮之前要淘洗，但也有免淘洗米。
如果煮的时候多放点水，煮熟后称稀饭，也叫粥；但水放得太多，煮熟后称撩命汤。如果煮的时候水放的比较少，煮熟后称干饭；只加一点水的煮后叫夹生饭，不加水的叫爆米花。用油炸的叫锅巴。煮成的饭有的生、有的熟、有的焦的叫三层楼。饭煮好后加水的叫泡饭。

    当时网上热议维基百科，前述博文曾被某评论文章引用，很是热烈讨论了一番。
    遗憾的是，在维基百科中，那个“稻米”词条已经不复存在，且一点历史记录也没有留下，所以说维基可以保留所有编辑历史并不是绝对的。
    所幸我保存了一个截图：

    因为，那是UU写的。
    中文维基大概始于2003年。2004年3月的时候，UU听我说有一个人人可撰写词条的百科全书，相当兴奋，就到维基百科在线撰写。后来还不时想到看看有没有被人修改、改了些什么，开心一番。

    除了我的截图，该词条留下的另一个痕迹，就是维基百科网站聊天记录中维基人当年对该词条的讨论（维基百科:聊天/2004年11月）。其中的一些评论，UU看了还是很开心的：
“維基固然要以百科全書自居,但難道百科全書中就不能有幽默或是一些錯誤嗎?我覺得維基裡還是不要太學術化的好,細觀稻米一篇,從第一個寫作的人的角度,到最後一位修改的人的觀點,都可以看出很有趣的東西”──阿福 18:02 2004年11月24日
“我一点不觉得稻米有什么可笑之处，上面的内容有些我确实不知道，这就是知识呀。当然这些知识可能比较浅薄，但是大家的努力就会让他变得越来越丰富。我想，无论文风如何，但是没有几个人能够独自写出这么一篇多角度的文章来。–百无一用是书生 (shizhao) 18:12 2004年11月24日
    我当时在底下的回复中说“我不改，是因为我喜欢这个词条，理由就不说了”。最重要的理由是──撰写者是UU。

参见：筆記與流年
是大家的，而不只是专家的 (06/12/2004)

———-历史的分割线———-
除了上文，在开博第一年还写了几篇涉及维基百科的博文。并非颂扬之词，只是很有历史感，拿出来晒晒：

维基何时成为网络时代的第5大美人？(2004年11月23日) 是从维基百科引申到专业维基的建设。一问、一网……往事不可追，参见“一网生不逢时”。

维基百科“版权信息”的另类解读 (2004年12月17日)

在以上几篇博文下，都有中文维基元老Mountain的留言。当年是订着他的Blog的，看他写调到上海工作，后来那个Blog不再更新，就没了音讯。昨天查到他的blog搬到了“筆記與流年”，这些年虽然没订，但也曾见过其他人的分享，只不知道主人就是Mountain。