开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

解析两个相似的维基百科信息箱的不同行为

基础概念

维基百科信息箱（Infobox）是一种用于在维基百科页面上展示特定主题的结构化数据框。它们通常包含关键信息，如人物的生平、地点的坐标、作品的详细信息等。信息箱通过模板（template）实现，模板定义了信息的布局和显示方式。

相关优势

结构化数据：信息箱提供了一种标准化的方式来组织和展示信息，便于读者快速获取关键内容。
易于维护：通过模板更新，可以一次性修改多个页面的信息展示方式。
丰富展示：信息箱可以包含图片、链接、表格等多种元素，提升页面的可读性和信息量。

类型

维基百科信息箱有多种类型，包括但不限于：

人物信息箱：展示人物的生平、成就等。
地点信息箱：展示地理位置、气候、人口等。
作品信息箱：展示书籍、电影、音乐作品的详细信息。

应用场景

信息箱广泛应用于维基百科的各个领域，帮助读者快速了解主题的核心信息。例如，在人物传记页面，信息箱可以展示人物的出生日期、职业、主要成就等；在地理页面，信息箱可以展示地点的坐标、气候类型、人口统计等。

可能遇到的问题及解决方法

问题1：两个相似的信息箱显示行为不同

原因：

模板差异：即使两个信息箱看起来相似，它们可能使用了不同的模板或模板版本。
数据差异：输入到信息箱中的数据可能有所不同，导致显示效果不同。
页面设置：页面的其他设置（如CSS样式）可能影响信息箱的显示。

解决方法：

检查模板：确认两个信息箱使用的模板是否相同，并查看模板的定义和版本。
对比数据：检查输入到信息箱中的数据是否有差异。
页面审查：使用浏览器的开发者工具检查页面的CSS样式，确保没有外部样式影响信息箱的显示。

示例代码

假设我们有两个相似的信息箱，分别用于展示人物和地点。以下是一个简单的HTML和CSS示例，展示如何创建和样式化信息箱。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Infobox Example</title>
    <style>
        .infobox {
            border: 1px solid #ccc;
            padding: 10px;
            margin: 10px 0;
            width: 300px;
        }
        .infobox th {
            text-align: left;
        }
        .infobox td {
            padding: 5px 0;
        }
    </style>
</head>
<body>
    <div class="infobox">
        <table>
            <tr>
                <th>姓名</th>
                <td>张三</td>
            </tr>
            <tr>
                <th>职业</th>
                <td>工程师</td>
            </tr>
            <tr>
                <th>成就</th>
                <td>多项专利</td>
            </tr>
        </table>
    </div>

    <div class="infobox">
        <table>
            <tr>
                <th>地点</th>
                <td>北京</td>
            </tr>
            <tr>
                <th>气候</th>
                <td>温带季风气候</td>
            </tr>
            <tr>
                <th>人口</th>
                <td>约2154万</td>
            </tr>
        </table>
    </div>
</body>
</html>

参考链接

通过以上方法，可以更好地理解和解决维基百科信息箱显示行为不同的问题。

相关搜索:codesandbox.io / vuetify:两个行为不同的“相同”项目 lxml.html以不同的方式对待两个相似的输入？Oracle PLSQL:两个不同数据库的不同行为 R stats：：aggregate()的"object not found“错误:两个相似的测试结果不同？Scala解析JSON在函数中的不同行为一个相似的短语，但有两个不同的意图两个不同的camel路由使用与netty4相同的连接两个不同的dns解析两个不同的域dns相互解析两个相似的Jenkins项目产生了不同的结果

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

维基百科中的数据科学：手把手教你用Python读懂全球最大百科全书

几年前谁能想到，匿名贡献者们的义务工作竟创造出前所未有的巨大在线知识库？维基百科不仅是你写大学论文时最好的信息渠道，也是一个极其丰富的数据源。

03

关于维基百科你不知道的十件事：

关于维基百科你不知道的十件事是专门让那些缺乏维基百科经验的人，如记者、新编辑者或新读者，能够对维基百科有一些较深入的认知。这些内容并不会带给那些已经很有经验的维基百科编辑者什么耳目一新的地方，但是我们希望它可以帮助世界上其他人对我们的工作能有更清楚的了解。

04

碾压GPT-4！斯坦福 | 发布WikiChat聊天机器人，准确率达97.3%

大语言模型的幻觉问题被解决了！近日，来自斯坦福的研究人员发布了WikiChat——被称为首个几乎不产生幻觉的聊天机器人！论文发表在EMNLP 2023，并且在Github上开源了代码：

02

维基百科+大模型打败幻觉！斯坦福WikiChat性能碾压GPT-4，准确率高达97.3%

近日，来自斯坦福的研究人员发布了WikiChat——被称为首个几乎不产生幻觉的聊天机器人！

01

Nat. Mach. Intell. | 使用人工智能提升维基百科的可验证性

今天为大家介绍的是来自Fabio Petroni团队的一篇论文。可验证性是维基百科的核心内容政策之一：所有的陈述都需要有引用来支撑。维持和提高维基百科参考资料的质量是一个重要挑战。作者展示了如何借助人工智能（AI）来应对改善参考资料的过程，这一AI系统由信息检索系统和语言模型驱动。我们称这个基于神经网络的系统为SIDE，它能够识别那些不太可能支持其声明的维基百科引用，并随后从网上推荐更好的引用。

01

每天上千条文本过时，累死志愿者的维基百科被MIT最新AI接手啦！

维基百科作为一个开放协同式的百科网站，是全世界最受欢迎的十大网站之一。目前，维基百科已经累积了超过上百万个词条。

01

（数据科学学习手札32）Python中re模块的详细介绍

关于正则表达式，我在前一篇（数据科学学习手札31）中已经做了详细介绍，本篇将对Python中自带模块re的常用功能进行总结；

04

「Python爬虫系列讲解」九、用 Selenium 爬取在线百科知识

前文回顾：「Python爬虫系列讲解」一、网络数据爬取概述「Python爬虫系列讲解」二、Python知识初学「Python爬虫系列讲解」三、正则表达式爬虫之牛刀小试「Python爬虫系列讲解」四、BeautifulSoup 技术「Python爬虫系列讲解」五、用 BeautifulSoup 爬取电影信息「Python爬虫系列讲解」六、Python 数据库知识「Python爬虫系列讲解」七、基于数据库存储的 BeautifulSoup 招聘爬取「Python爬虫系列讲解」八、Selenium 技术

02

Python中的统计假设检验速查表

本文是一个机器学习项目中最流行的统计假设检验的速查表，包含使用Python接口的示例。

06

[新知] MIT开发能修改维基百科文章错误的自动系统

“ 维基百科自动编辑系统，能够根据输入的新资讯，判断维基百科文章中错误的地方进行修复。”

02

Quicksilver：利用AI技术修复百科存在的问题

Miriam Adelson是一位很有成就的医生，已发表了大约一百篇关于成瘾生理学和治疗的研究论文。她还在拉斯维加斯经营一家备受瞩目的药物滥用诊所。并且，她是以色列最大的报纸的出版商，还有她的丈夫谢尔顿，是一位慈善家和有影响力的共和党捐助者（亿万富翁）。

03

机器学习模型的数据预处理和可视化

数据科学工程的目标是向那些仅对数据内在本质感兴趣的人展示这些数据的含义。要达到这个目标，数据科学家/机器学习工程师要遵循若干个步骤。对于更精确地建立机器学习模型来说，数据预处理（清洗，格式化，缩放，正规化）和多种图表的数据可视化是两个非常重要的步骤。

03

ACL 2020 | 用BERT解决表格问答任务，谷歌提出弱监督表格解析器TaPas

世上许多信息都是以表格形式存储的，这些表格见诸于网络、数据库或文件中。它们包括消费产品的技术规格、金融和国家发展统计数据、体育赛事结果等等。目前，要想找到问题的答案，人们仍需以人工方式查找这些表格，或使用能提供特定问题（比如关于体育赛事结果的问题）的答案的服务。如果可通过自然语言来查询这些信息，那么取用这些信息会容易很多。

02

2020-2-22-Unicode代理对（utf-16）

为什么说是大部分呢？因为还有一个神奇的区域，叫做Unicode代理对。它们需要使用4个字节来表示一个字符。

03

ACL 2020 | 用BERT解决表格问答任务，谷歌提出弱监督表格解析器TaPas

世上许多信息都是以表格形式存储的，这些表格见诸于网络、数据库或文件中。它们包括消费产品的技术规格、金融和国家发展统计数据、体育赛事结果等等。目前，要想找到问题的答案，人们仍需以人工方式查找这些表格，或使用能提供特定问题（比如关于体育赛事结果的问题）的答案的服务。如果可通过自然语言来查询这些信息，那么取用这些信息会容易很多。

04

机器学习笔记，统计模型觉得难，不妨来看点概念吧

机器学习是一个比较庞杂的概念，当中的模型也来源广泛，有来源于统计学的，有来源于纯数学推导的，还有来源于数据结构的……也正因此，想要学好机器学习对我们的能力要求很高，需要涉猎各方的知识。

03

Google发布超难问答数据集「自然问题」：30万对问答，BERT都达不到70分

Google现在想到了一个办法能让AI来回答这个问题，他们开放了一个名叫自然问题（Natural Questions, NQ）的数据集，能够训练AI阅读维基百科，并找到各种开放领域问题的答案。

04

谷歌位列《时代》周刊网站影响力评选首位

00

AI学者也用维基百科「打广告」？这个词条有点可疑

「遇事不决先谷歌」已经是现在很多人查找信息的标准起手了。如果搜索一个词条，百科网站的结果通常会被显示在最显眼的位置。这种人人皆可编辑的网站存储着海量信息，虽然可能不够严谨，但也被很多人作为重要的信息、知识来源。

01

Facebook开源问答系统DrQA：基于单一信源回答开放域提问

问耕编译整理量子位出品 | 公众号 QbitAI 今天一大早，Yann LeCun就转发了一条消息：Facebook开源了DrQA的代码。 DrQA是一个开放域问答系统。关于DrQA，Facebook还发表了一篇论文《Reading Wikipedia to Answer Open-Domain Questions（阅读维基百科来回答开放域问题）》。这篇论文也入选了下周即将在温哥华召开的ACL 2017大会。论文的作者为来自斯坦福的Danqi Chen（陈丹琦，之前毕业于清华姚班），以及来自Fac

07

多语言互通：谷歌发布实体检索模型，涵盖超过100种语言和2000万个实体

如果一段文本中提到一个实体，算法将识别出该实体在知识库中的相应条目(例如一篇维基百科文章)。

02

Python在Finance上的应用5 ：自动获取是S&P 500的成分股

欢迎来到Python for Finance教程系列的第5讲。在本教程和接下来的几篇文章中，我们将着手研究如何为更多公司提供大量的定价信息，以及我们如何一次处理所有这些数据。

01

Flink数据源拆解分析(WikipediaEditsSource)

Wikipedia Edit Stream是Flink官网上的经典demo，功能是实时处理来自维基百科的消息，消息的内容是当前每个用户对维基内容的操作，地址是：https://ci.apache.org/projects/flink/flink-docs-release-1.2/quickstart/run_example_quickstart.html

02

安全视角下的CAN协议分析

控制器局域网（CAN bus）由罗伯特·博世公司于1983年开发。该协议于1986年美国密歇根州底特律市举行的国际汽车工程师学会（SAE）会议上正式发表。第一个CAN控制芯片，由英特尔和飞利浦生产，并且于1987年发布。世界上第一台装载了基于CAN的多重线系统的汽车是1991年推出的梅赛德斯-奔驰 W140。[1]

03

BBC最新纪录片数据之欢(上)：美女数学家讲述数据的前世今生

大数据文摘作品，转载具体要求见文末字幕组：陈啸明狗小白白丁 YU 崔云柯一位名叫汉娜的美女数学家，曾经在TED用数学论证了《数学告诉你，完美伴侣如何选择》（点击链接查看ted演讲），而最近，她和BBC刚刚拍摄了一部制作精美的关于数据的纪录片《数据之欢（The Joy of Data》。汉娜教授也亲自上阵出境，从data的词语来源讲起，娓娓道来了信息／数据的产生到如今的发展，以及我们身边的数据是如何影响我们的。正如她所说，我们生活在两个平行的宇宙中。一个宇宙有形、吵杂、散乱, 你可以看到摸到、感

02

学界 | 谷歌大脑提出通过多文档摘要方法生成维基百科，可处理较长序列

选自arXiv 作者：Peter J. Liu、Mohammad Saleh 等机器之心编译参与：白悦、路雪近日，谷歌大脑发布论文，提出一种通过提取多文档摘要来生成英文维基百科文章的方法，该方法可以处理长序列。序列到序列框架已被证明在自然语言序列转导任务（如机器翻译）中取得了成功。最近，神经技术被应用于提取新闻文章中的单文档、抽象（释义）文本摘要（Rush et al. (2015), Nallapati et al. (2016)）。之前的研究以端到端的方式训练监督模型的输入——从一篇文章的第一

07

学界 | 女朋友说「我想要MAC」，OpenAI帮直男get到是口红还是电脑

AI 科技评论按：语言词汇的多义性已经是一个越发让人头疼的问题。比如女生对男朋友说：「生日礼物我想要MAC」，本来心怀期待地揣测他买来的唇彩会是什么色，结果收到的可能是一台苹果笔记本电脑…… 苹果电

09

资源 | 一文解析统计学在机器学习中的重要性（附学习包）

你可以使用描述性统计方法将原始观测数据转换为你可以理解和共享的信息，也可以使用推断统计方法，通过数据的小样本对整个域进行推理。

00

MIT开发AI系统，确定新闻来源是否有政治偏见以打击假新闻

虚假消息仍然是令人头疼的问题。今年3月，有一半的美国人报告在新闻网站上故意误导文章。最近爱德曼调查的大多数受访者表示，他们无法判断媒体报道的真实性。鉴于假新闻的传播速度比真实新闻快，因此十分之七的人担心它可能会被用作“武器”，这并不奇怪。

06

互动百科被315点名了，知识产品如何优雅地赚钱？

2016年，知识经济很火。分答、知乎Live等平台先后入局，最近就连那个一直低调潜行的豆瓣也推出了内容付费产品：豆瓣时间，用时髦的话说内容付费俨然已成互联网风口。一项互联网业务到了风口，就可能被315点名。在一年一度的“公关节”315晚会上知识分享平台互动百科就被点名了，理由是因为它的付费服务：企业缴纳费用之后具有更强的编辑权限，甚至可以发布虚假信息，来龙去脉不必赘述，但“互动百科”这家百科知识平台为什么会采取“付费”模式，却值得深究。百科是互联网最古老的内容形态之一。说到百科，人们首先会想到2001

08

维基百科有6000多机器人编辑，那么问题来了，他们要吵架怎么办？

很多人可能都听说人工智能已经可以写文章了，但是你可能不知道编辑机器人早就已经是维基百科最重要的贡献群体之一。 2001 年，维基百科引入了机器人编辑者的概念，任何用户可以为自己研发的机器人单独建立一个维基百科帐号，只要根据维基百科社区官方的规定对帐号进行标注，即可让机器人参与维基百科的编辑。 2014 年，机器人在维基百科的所有语言中完成了 15% 的编辑动作，他们识别、撤销破坏行为，锁定遭到频繁篡改的页面、识别错别字和病句、创建不同语言之间的链接、自动导入站外内容、进行数据挖掘、识别侵权的内容并为新手

03

知识问答KB-QA

这些就是一条条知识，而把大量的知识汇聚起来就成为了知识库。我们可以在wiki百科，百度百科等百科全书查阅到大量的知识。然而，这些百科全书的知识组建形式是非结构化的自然语言，这样的组织方式很适合人们阅读但并不适合计算机去处理。为了方便计算机的处理和理解，我们需要更加形式化、简洁化的方式去表示知识，那就是三元组（triple）。

02

使用中文维基百科语料库训练一个word2vec模型并使用说明

中文维基百科下载地址：https://dumps.wikimedia.org/zhwiki/

02

CMU最新视觉特征自监督学习模型——TextTopicNet

作者 | Yash Patel，Lluis Gomez，Raul Gomez，Marcal Rusinol，Dimosthenis Karatzas， C.V. Jawahar

02

维基百科你已经是个大百科了，该自己学会用ML识别原文出处了

作者：Miriam Redi、Jonathan Morgan、Dario Taraborelli、Besnik Fetahu

02

维基团队与Jigsaw合作审查社区中带有人身攻击的评论

维基百科社区以人身攻击的评论臭名昭著。这个问题非常糟糕，以至于活跃的贡献者或编辑在八年期间下降了40％。尽管没有一个解决方案可以解决这个问题，但支持维基百科的非营利组织维基媒体基金会决定使用AI来更多地了解问题，并考虑如何解决这个问题。

03

2017前端开发手册四-前端开发人员应该掌握的Web技术

碰见过真正难相处的人，才知道身边的伙伴们多么值得珍惜。前端开发人员应掌握以下核心网络技术（考虑按此顺序学习）：统一资源定位器（又名URL）超文本传输协议（又称HTTP）超文本标记语言（又名HT

08

基于多搜索引擎和深度学习技术的自动问答

聊天机器人本质上是一个范问答系统，既然是问答系统就离不开候选答案的选择，利用深度学习的方法可以帮助我们找到最佳的答案。

02

走过110年后，它还在引领潮流

8月份，我国乘用车销量为155.2万辆，环比几乎零增长，同比下滑11.7%。中汽协的分析指出，受马来西亚疫情影响，汽车芯片供应锐减，不少车企面临停产威胁，给8月的乘用车市场带来巨大挑战。

02

独家 | 一文解析统计学在机器学习中的重要性（附学习资源）

本文共2400字，建议阅读10分钟。本文介绍为什么统计对于通用应用和机器学习如此重要，并大致了解各种可用的方法。

04

查找论文文献的小技巧

无论是大学期间的小论文还是令人头秃的毕业论文, 查找文献是必不可少的环节. 而这个过程说到底就两句话:

01

互联网上的时光机器

移动互联网时代，搞社会研究的人总是需要从网络采集各种数据。假设你本周的任务是搜集世界主流媒体对某一主题的报道。你好不容易学习并且掌握了搜索引擎的各种窍门后，辛辛苦苦搞到了相关链接。兴冲冲打开一看……

01

谷歌AI认错人，同事工程师竟成「连环杀人魔」！

我朋友跟我说，在谷歌搜索我的名字会产生一张照片，而链接到维基百科上，居然是一篇与我同名的连环杀手的文章！

02

数据结构思维第七章到达哲学

本章的目标是开发一个 Web 爬虫，它测试了第 6.1 节中提到的“到达哲学”猜想。

02

“架构”到底指什么

对于技术人员来说，“架构”是一个再常见不过的词了：我们会给新员工介绍整个系统的架构，参加架构设计评审，学习业界开源系统（例如，MySQL、Hadoop）的架构，研究大公司的架构实现（例如，微信架构、淘宝架构）……虽然如此常见，但如果深究一下“架构”到底指什么，大部分人不一定能够准确地回答。例如：

03

前天开源的项目差点引发的血案

大家都知道，我前天公布了一个开源项目SOHA，一个Golang 模板引擎的增强函数库，详见这篇 https://www.flysnow.org/2019/12/02/golang-template-soha-library.html 文章。也就是这篇文章中，我我手一抖，误写了三个字，差点引发一场微信群大讨论的血案~

01

笨办法学 Python · 续练习 37：小型 BASIC

你现在要及时回到我的童年，并实现一个 BASIC 解释器。不，我这里的 BASIC 不是指“一个非常简单的基本的解释器”。我的意思是 BASIC 编程语言。它是最早的编程语言之一，最初由 John Kemeny 和 Thomas Kurtz 在 Dartmouth 创建。这个基本版本叫做 Dartmouth BASIC，在 Dartmouth BASIC 维基百科页面上，代码看起来像这样：

01

DNS 协议入门

域名系统 (DNS) 的作用是将人类可读的域名 (如，www.example.com) 转换为机器可读的 IP 地址 (如，192.0.2.44)。

02

业界 | OpenAI提出新型神经网络：自动计算词对象，实现实体消岐

选自OpenAI 作者：Jonathan Raiman 机器之心编译参与：许迪、黄小天本文通过让神经网络决策一个词是否属于 100 个自动发现的「类别」（非专属范畴）之一，从而建立了一个可以自动计算单词指称对象的神经网络。该方法在若干个实体消岐（entity disambiguation）数据集上实现了当前最优的提升。通过让神经网络决策一个词是否属于 100 个自动发现的「类别」（非专属范畴）之一，我们已建立一个神经网络，可以自动计算一个词所指称的对象。比如对于语句「猎物看到美洲虎（Jaguar）穿过

07

AI 职场入侵：人类如何保护自己的工作岗位？

AI（人工智能）这个术语最早是在 1956 年由约翰·麦卡锡（John McCarthy）等人提出的。当时，人们对 AI 的定义是：能够模拟人类思维过程的机器。

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭