ORES/Ondersteuning
 Waarschuwing: | The ORES infrastructure is being deprecated by the Machine Learning team, please check wikitech:ORES for more info. |
ORES  |
|---|
| ORES downloaden |
| ORES gebruiken |
| Feedback en meedoen |
| Het team |
ORES ondersteunt een beperkt aantal Wiki's, maar er worden er steeds meer ondersteund. Hier beschrijven wij hoe u ORES ondersteuning kunt krijgen voor uw favoriete wiki, ook als is het er geen van de Wikimedia Foundation. Kijk eerst hier of uw wiki misschien al ondersteund wordt. Wij bieden verschillende soorten ondersteuning. We streven maar een bepaalde klasse van het model en niveau van ondersteuning. Indien u hulp nodig heeft om een verzoek te kunnen doen, doe dat dan in het Engels op de overleg pagina.
Basis taalondersteuning
Om de basisondersteuning voor uw wiki in te stellen dient u eerst de taalmiddelen (assets) die ORES nodig heeft in te stellen op uw wiki. Kijk of uw taal hier staat of in phabricator als open taak staat. Als uw taal hier niet bijstaat, gebruik dan de onderstaande link om ondersteuning aan te vragen!
Op het lage basisniveau hebben we het reverted model dat probeert te voorspellen of een bewerking ongedaan gemaakt moet worden.
Dit model is "opgebouwd" met voorbeelden van bewerkingen die in het verleden ongedaan zijn gemaakt in een bepaalde wiki.
Als we al basisondersteuning hebben, kunnen we het reverted model voor uw wiki instellen.
Geavanceerde ondersteuning kwaliteit bewerkingen
Hoewel het reverted model bruikbaar is en kan leren uit de geschiedenis van een artikel heeft het toch wat kleine problemen.
Het is beter als we onze modellen voor het voorspellen kunnen laten oefenen op meer genuanceerde beoordelingen van de kwaliteit van een bewerking.
Veel van de hulpmiddelen die ORES gebruiken om het reviewen van recente wijzigingen te ondersteunen verlangen een niveau van deze ondersteuning.
Het damaging model voorspelt of een wijziging een beschadiging veroorzaakt en het good faith model voorspelt of een bewerking is gedaan met de beste wil.
Om gegevens te verzamelen om deze modellen te laten oefenen, hebben we een Wiki labels campagne ingesteld met willekeurige sets van bewerkingen voor een evaluatie. Bekijk de lopende campagnes om mee te doen (liefst als u ervaring hebt met het doen van bewerkingen) of verzoek hieronder om een nieuwe campagne.
Kwaliteit van artikelen
We trainen modellen om de kwaliteit van een artikel te beoordelen gebaseerd op assessments (als en:WP:1.0) als die beschikbaar zijn. Als die er niet zijn dan moeten we een Wiki labels campagne opstarten en editors een steekproef van artikelen (meestal zo'n ~5000) te laten beoordelen om daaruit ORES te laten leren hoe die de beoordelingen kan doen.
Prototype ondersteuning kwaliteit
Wij trainen prototypes van modellen om de kwaliteit te beoordelen gebaseerd op de de redenen van verwijderingen in de log. Om hiermee te werken moeten we ondersteuning vragen om te identificeren welke types commentaar er zijn in deze opgegeven redenen bij een verwijdering.