Vandalism or Knowledge Manipulation? Detecting Narratives in Wikipedia Edits

Viktoriia Makovska

操弄訊號能為破壞行為偵測器補上什麼？




  +-----+
  | ... |\                        (o)
  +-----+ \                    - -
           \                - -
            \\          -- -
  +-----+     \      --
  | ... |- -- *\  --       -- -- -(o)
  +-----+     --- -- -- --
              //   - --
            /           -- -
  +-----+  /                - --
  | ... |/                       -(o)
  +-----+

研究問題

研究動機

本論文建立獨立的操弄與破壞行為訊號，再與修訂特徵結合。俄羅斯政府支持的維基百科分支提供候選操弄樣本；主要評估則使用俄語及烏克蘭語維基百科。

研究方法

視覺導讀

兩種訊號，一個整合預測

操弄訊號
從分支中的文字變動學習。
破壞訊號
從修訂與撤銷模式學習。
合併特徵
將分數加入中繼資料與語意特徵。
評估
比較預測、一致性與校準表現。

烏克蘭語新聞實驗 · F1

論文報告的 F1，範圍為 0 至 1，越高越好。

破壞特徵

0.89

操弄特徵

0.82

合併特徵

0.91

整合方法示意圖。結果圖呈現表 5.3 中獨立烏克蘭語新聞資料集的數值，並非維基百科測試集的比較。第 3、5–6 章；表 5.3

研究貢獻

合併訊號改善了維基百科實驗中的部分一致性與校準表現。在另一個用於宣傳偵測的烏克蘭語新聞資料集上，合併分類器的 F1 為 0.91，使用破壞特徵為 0.89，僅用操弄特徵則為 0.82。

第 3、5–6 章；表 5.3

原始論文與資源

碩士論文，烏克蘭天主教大學應用科學學院（2025年）。

典藏庫

引用格式

Makovska, V. (2025). Vandalism or Knowledge Manipulation? Detecting Narratives in Wikipedia Edits (Master's thesis). Ukrainian Catholic University.