{"id":1061,"date":"2026-05-16T21:18:18","date_gmt":"2026-05-16T19:18:18","guid":{"rendered":"https:\/\/lewoniewski.info\/blog\/?p=1061"},"modified":"2026-05-17T09:35:52","modified_gmt":"2026-05-17T07:35:52","slug":"najczesciej-cytowane-artykuly-anglojezycznej-wikipedii","status":"publish","type":"post","link":"https:\/\/lewoniewski.info\/blog\/2026\/najczesciej-cytowane-artykuly-anglojezycznej-wikipedii\/","title":{"rendered":"Najcz\u0119\u015bciej cytowane artyku\u0142y angloj\u0119zycznej Wikipedii"},"content":{"rendered":"<p>Wikipedia jest ogromnym repozytorium ludzkiej wiedzy. Najwi\u0119ksza wersja j\u0119zykowa, angloj\u0119zyczna Wikipedia, zawiera ponad <strong>65,5 miliona stron<\/strong>, w tym <strong>7,17 miliona artyku\u0142\u00f3w<\/strong> (z wy\u0142\u0105czeniem przekierowa\u0144). T\u0119 rozleg\u0142\u0105 sie\u0107 \u0142\u0105czy ponad <strong>1,63 miliarda unikalnych odno\u015bnik\u00f3w mi\u0119dzy stronami<\/strong>. Na podstawie analizy tego zbioru danych zidentyfikowano najcz\u0119\u015bciej cytowane artyku\u0142y angloj\u0119zycznej Wikipedii.<!--more--><\/p>\n<p>Zastanawiaj\u0105c si\u0119, kt\u00f3re artyku\u0142y Wikipedii mog\u0105 by\u0107 najcz\u0119\u015bciej cytowane, mo\u017cna przypuszcza\u0107, \u017ce czo\u0142owe miejsca zajmuj\u0105 tak istotne tematy historyczne jak \u201eStany Zjednoczone\u201d czy \u201eII wojna \u015bwiatowa\u201d. Jednak dopiero przetworzenie ca\u0142ego strukturalnego grafu Wikipedii i obliczenie liczby link\u00f3w przychodz\u0105cych, czyli cytowa\u0144 (okre\u015blaj\u0105cych dok\u0142adnie, ile unikalnych artyku\u0142\u00f3w prowadzi do danej strony), pozwala ujawni\u0107 rzeczywistych lider\u00f3w rankingu.<\/p>\n<p style=\"text-align:center;\">Obejrzyj pe\u0142ny film:<br \/>\n<iframe loading=\"lazy\" width=\"560\" height=\"315\" src=\"https:\/\/www.youtube.com\/embed\/waBg-LR6wfY\" title=\"YouTube video player\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<h2>Najcz\u0119\u015bciej cytowane artyku\u0142y<\/h2>\n<p>Analiza plik\u00f3w zrzut\u00f3w danych angloj\u0119zycznej Wikipedii z maja 2026 roku pozwoli\u0142a stworzy\u0107 ranking najcz\u0119\u015bciej cytowanych artyku\u0142\u00f3w. Oto 50 najcz\u0119\u015bciej cytowanych artyku\u0142\u00f3w Wikipedii wraz z liczb\u0105 link\u00f3w przychodz\u0105cych (cytowa\u0144) podan\u0105 w nawiasach:<\/p>\n<ol style=\"column-count: 3; margin-bottom: 2rem; padding-bottom: 10px; border-bottom: 1px dashed #aaaaaa;\">\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/ISBN\" target=\"_blank\">ISBN<\/a> (1,640,723)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Geographic_coordinate_system\" target=\"_blank\">Geographic coordinate system<\/a> (1,257,791)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Digital_object_identifier\" target=\"_blank\">Digital object identifier<\/a> (711,302)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Wayback_Machine\" target=\"_blank\">Wayback Machine<\/a> (675,714)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Wikidata\" target=\"_blank\">Wikidata<\/a> (509,749)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/ISSN\" target=\"_blank\">ISSN<\/a> (505,509)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Taxonomy_(biology)\" target=\"_blank\">Taxonomy (biology)<\/a> (496,532)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Global_Biodiversity_Information_Facility\" target=\"_blank\">Global Biodiversity Information Facility<\/a> (464,041)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Time_zone\" target=\"_blank\">Time zone<\/a> (455,438)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/United_States\" target=\"_blank\">United States<\/a> (437,284)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/IMDb\" target=\"_blank\">IMDb<\/a> (406,083)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Open_Tree_of_Life\" target=\"_blank\">Open Tree of Life<\/a> (399,021)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Binomial_nomenclature\" target=\"_blank\">Binomial nomenclature<\/a> (392,021)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Animal\" target=\"_blank\">Animal<\/a> (376,148)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Catalogue_of_Life\" target=\"_blank\">Catalogue of Life<\/a> (368,553)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Interim_Register_of_Marine_and_Nonmarine_Genera\" target=\"_blank\">Interim Register of Marine and Nonmarine Genera<\/a> (313,153)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/INaturalist\" target=\"_blank\">INaturalist<\/a> (295,815)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Encyclopedia_of_Life\" target=\"_blank\">Encyclopedia of Life<\/a> (275,091)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Association_football\" target=\"_blank\">Association football<\/a> (274,176)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Daylight_saving_time\" target=\"_blank\">Daylight saving time<\/a> (273,633)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Wikispecies\" target=\"_blank\">Wikispecies<\/a> (267,809)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/France\" target=\"_blank\">France<\/a> (265,679)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Semantic_Scholar\" target=\"_blank\">Semantic Scholar<\/a> (253,534)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/OCLC\" target=\"_blank\">OCLC<\/a> (251,623)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Record_label\" target=\"_blank\">Record label<\/a> (242,084)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Arthropod\" target=\"_blank\">Arthropod<\/a> (241,604)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/National_Center_for_Biotechnology_Information\" target=\"_blank\">National Center for Biotechnology Information<\/a> (237,741)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/PubMed\" target=\"_blank\">PubMed<\/a> (230,779)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/World_War_II\" target=\"_blank\">World War II<\/a> (227,499)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Music_genre\" target=\"_blank\">Music genre<\/a> (221,588)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Pancrustacea\" target=\"_blank\">Pancrustacea<\/a> (216,225)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Insect\" target=\"_blank\">Insect<\/a> (214,763)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Germany\" target=\"_blank\">Germany<\/a> (214,199)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/United_Kingdom\" target=\"_blank\">United Kingdom<\/a> (213,409)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Record_producer\" target=\"_blank\">Record producer<\/a> (200,934)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/The_New_York_Times\" target=\"_blank\">The New York Times<\/a> (200,715)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Political_party\" target=\"_blank\">Political party<\/a> (194,625)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Australia\" target=\"_blank\">Australia<\/a> (190,367)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Italy\" target=\"_blank\">Italy<\/a> (189,720)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Synonym_(taxonomy)\" target=\"_blank\">Synonym (taxonomy)<\/a> (185,121)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/India\" target=\"_blank\">India<\/a> (184,424)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Bibcode\" target=\"_blank\">Bibcode<\/a> (174,702)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Integrated_Taxonomic_Information_System\" target=\"_blank\">Integrated Taxonomic Information System<\/a> (174,431)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Surname\" target=\"_blank\">Surname<\/a> (171,530)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Japan\" target=\"_blank\">Japan<\/a> (168,687)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Russia\" target=\"_blank\">Russia<\/a> (166,259)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Canada\" target=\"_blank\">Canada<\/a> (165,593)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Spain\" target=\"_blank\">Spain<\/a> (162,773)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/UTC%2B02:00\" target=\"_blank\">UTC+02:00<\/a> (160,743)<\/li>\n<li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Poland\" target=\"_blank\">Poland<\/a> (160,034)<\/li>\n<\/ol>\n<p>Pe\u0142niejszy ranking przedstawiono w tym <a href=\"https:\/\/www.youtube.com\/watch?v=waBg-LR6wfY\" target=\"_blank\">filmiku<\/a>, a tak\u017ce opublikowano na platformach <a href=\"https:\/\/huggingface.co\/datasets\/lewoniewski\/most-cited-wikipedia-articles\" target=\"_blank\">Hugging Face<\/a> oraz <a href=\"https:\/\/www.kaggle.com\/datasets\/lewoniewski\/most-cited-articles-on-wikipedia\" target=\"_blank\">Kaggle<\/a>.<\/p>\n<h2>Metodologia: przetwarzanie danych<\/h2>\n<p>Aby stworzy\u0107 ten ranking, prosty skrypt wczytuj\u0105cy tre\u015b\u0107 artyku\u0142\u00f3w Wikipedii (np. w formacie <a href=\"https:\/\/pl.wikipedia.org\/wiki\/Pomoc:Formatowanie_tekstu\" target=\"_blank\">wikikodu<\/a>) by\u0142by niewystarczaj\u0105cy \u2014 takie podej\u015bcie by\u0142oby zbyt wolne i nie uwzgl\u0119dnia\u0142oby ukrytych z\u0142o\u017cono\u015bci struktury serwisu. Zamiast tego przetwarzane s\u0105 surowe zrzuty baz danych SQL Wikipedii. Aby zapewni\u0107 mo\u017cliwie najwy\u017csz\u0105 dok\u0142adno\u015b\u0107, pipeline przetwarzania danych dok\u0142adnie integruje cztery kluczowe pliki (z <a href=\"https:\/\/dumps.wikimedia.org\/enwiki\/\" target=\"_blank\">Wikimedia Downloads<\/a> z maja 2026 roku):<\/p>\n<ul>\n<li><strong>1. G\u0142\u00f3wny rejestr artyku\u0142\u00f3w<\/strong><br \/>\nProces rozpoczyna si\u0119 od pliku <code>enwiki-20260501-page.sql.gz<\/code> (tabela <a href=\"https:\/\/www.mediawiki.org\/wiki\/Manual:Page_table\" target=\"_blank\">page<\/a>). Plik ten przypisuje unikalny identyfikator numeryczny ka\u017cdej stronie Wikipedii. Umo\u017cliwia odfiltrowanie stron dyskusji czy stron u\u017cytkownik\u00f3w, pozostawiaj\u0105c wy\u0142\u0105cznie w\u0142a\u015bciwe artyku\u0142y encyklopedyczne (<a href=\"https:\/\/pl.wikipedia.org\/wiki\/Pomoc:Przestrze%C5%84_nazw\" target=\"_blank\">przestrze\u0144 nazw<\/a>: 0). Co istotne, wskazuje r\u00f3wnie\u017c, czy dana strona jest przekierowaniem (\u201eRedirect\u201d).<\/li>\n<li><strong>2. Translator cel\u00f3w link\u00f3w<\/strong><br \/>\nW nowoczesnej architekturze Wikipedii odno\u015bniki w bazie danych nie wskazuj\u0105 bezpo\u015brednio tekstu, lecz numeryczne identyfikatory cel\u00f3w. Plik <code>enwiki-20260501-linktarget.sql.gz<\/code> (tabela <a href=\"https:\/\/www.mediawiki.org\/wiki\/Manual:Linktarget_table\" target=\"_blank\">linktarget<\/a>) pe\u0142ni funkcj\u0119 s\u0142ownika t\u0142umacz\u0105cego te identyfikatory z powrotem na czytelne tytu\u0142y artyku\u0142\u00f3w.<\/li>\n<li><strong>3. Mechanizm rozwi\u0105zywania przekierowa\u0144<\/strong>\n<p>Wikipedia intensywnie wykorzystuje strony-aliasy (np. \u201eUSA\u201d przekierowuje do \u201eUnited States\u201d). Plik <code>enwiki-20260501-redirect.sql.gz<\/code> (tabela <a href=\"https:\/\/www.mediawiki.org\/wiki\/Manual:Redirect_table\" target=\"_blank\">redirect<\/a>) s\u0142u\u017cy do zbudowania mapy wszystkich przekierowa\u0144, aby mo\u017cliwe by\u0142o poprawne ustalenie ostatecznego celu takich skr\u00f3t\u00f3w.<\/li>\n<li><strong>4. Graf po\u0142\u0105cze\u0144<\/strong>\n<p>Na ko\u0144cu przetwarzany jest ogromny plik <code>enwiki-20260501-pagelinks.sql.gz<\/code> (tabela <a href=\"https:\/\/www.mediawiki.org\/wiki\/Manual:Pagelinks_table\" target=\"_blank\">pagelinks<\/a>). Jest to surowy graf zawieraj\u0105cy miliardy po\u0142\u0105cze\u0144, opisuj\u0105cy po prostu, \u017ce <em>\u201eStrona A zawiera link do identyfikatora celu B\u201d<\/em>.<\/li>\n<\/ul>\n<div class=\"notes\">\n<h3>\u015acis\u0142e zasady zliczania<\/h3>\n<p>Po po\u0142\u0105czeniu plik\u00f3w bazodanowych ko\u0144cowe wyniki cytowa\u0144 s\u0105 obliczane wed\u0142ug rygorystycznego zestawu zasad zapewniaj\u0105cych integralno\u015b\u0107 rankingu:<\/p>\n<ul style=\"margin-bottom: 0;\">\n<li style=\"margin-bottom: 8px;\"><strong>Tylko w\u0142a\u015bciwe artyku\u0142y:<\/strong> Uwzgl\u0119dniane s\u0105 wy\u0142\u0105cznie linki pochodz\u0105ce z rzeczywistych artyku\u0142\u00f3w (przestrze\u0144 nazw: 0). Linki ze stron dyskusji, kategorii czy profili u\u017cytkownik\u00f3w s\u0105 ca\u0142kowicie pomijane. Ponadto ignorowane s\u0105 r\u00f3wnie\u017c linki wychodz\u0105ce z przekierowa\u0144.<\/li>\n<li><strong>Pe\u0142na deduplikacja:<\/strong> Uwzgl\u0119dniane s\u0105 wy\u0142\u0105cznie unikalne linki. Jeden artyku\u0142 \u017ar\u00f3d\u0142owy mo\u017ce przekaza\u0107 maksymalnie jedno cytowanie do artyku\u0142u docelowego. Nawet je\u015bli artyku\u0142 odwo\u0142uje si\u0119 do tego samego celu wielokrotnie w tre\u015bci (lub poprzez r\u00f3\u017cne aliasy przekierowa\u0144), wynik cytowa\u0144 nie zostanie sztucznie zawy\u017cony. Relacja liczona jest wy\u0142\u0105cznie raz.<\/li>\n<\/ul>\n<\/div>\n<h2>Wyzwanie: rozwi\u0105zywanie alias\u00f3w i zapewnienie unikalnych cytowa\u0144<\/h2>\n<h3>Identyfikatory cel\u00f3w wskazuj\u0105ce na przekierowania<\/h3>\n<p>Jednym z technicznych wyzwa\u0144 podczas budowy tego rankingu jest obs\u0142uga sytuacji, w kt\u00f3rych cel linku wskazuje bezpo\u015brednio na przekierowanie. <strong>Identyfikator celu mo\u017ce (i bardzo cz\u0119sto tak si\u0119 dzieje) wskazywa\u0107 nazw\u0119 b\u0119d\u0105c\u0105 przekierowaniem.<\/strong><\/p>\n<p>Gdy edytor Wikipedii za po\u015brednictwem edytora wikikodu wpisuje w artykule <code>[[USA]]<\/code> (odno\u015bnik do artyku\u0142u zatytu\u0142owanego \u201eUSA\u201d), baza danych przypisuje temu linkowi identyfikator celu. Jednak \u201eUSA\u201d nie jest w\u0142a\u015bciwym artyku\u0142em ko\u0144cowym; istnieje w tabeli <code>page<\/code> (g\u0142\u00f3wny rejestr artyku\u0142\u00f3w) jako strona przekierowuj\u0105ca (oznaczona flag\u0105 <code>page_is_redirect = 1<\/code>). Gdyby taki przypadek by\u0142 liczony naiwnie, \u201eUSA\u201d i \u201eUnited States\u201d otrzymywa\u0142yby cz\u0119\u015b\u0107 cytowa\u0144 osobno, rozbijaj\u0105c ranking.<\/p>\n<p>Pipeline przetwarzania danych dynamicznie rozwi\u0105zuje ten problem:<\/p>\n<ol>\n<li>Identyfikator celu linku jest pobierany z <strong>grafu po\u0142\u0105cze\u0144<\/strong>.<\/li>\n<li>Za pomoc\u0105 <strong>translatora cel\u00f3w link\u00f3w<\/strong> ustalany jest identyfikator strony odpowiadaj\u0105cy danemu celowi.<\/li>\n<li><strong>G\u0142\u00f3wny rejestr artyku\u0142\u00f3w<\/strong> jest sprawdzany w celu ustalenia, czy dana strona jest oznaczona jako przekierowanie.<\/li>\n<li>Je\u015bli tak, skrypt przechwytuje taki link i za pomoc\u0105 <strong>mechanizmu rozwi\u0105zywania przekierowa\u0144<\/strong> ustala identyfikator w\u0142a\u015bciwej strony docelowej.<\/li>\n<li>Wynik cytowania zostaje nast\u0119pnie poprawnie przypisany do g\u0142\u00f3wnego artyku\u0142u (np. \u201eUnited States\u201d).<\/li>\n<\/ol>\n<h3>Zapewnienie unikalnych cytowa\u0144 (deduplikacja)<\/h3>\n<p>Kolejnym istotnym elementem metodologii jest rygorystyczny wym\u00f3g deduplikacji: <strong>liczony jest wy\u0142\u0105cznie jeden unikalny link z danego artyku\u0142u \u017ar\u00f3d\u0142owego do artyku\u0142u docelowego.<\/strong> Je\u015bli pojedynczy artyku\u0142 zawiera wiele odno\u015bnik\u00f3w do tej samej strony docelowej, nie powoduje to sztucznego zawy\u017cenia wyniku cytowa\u0144.<\/p>\n<p>Ponadto, poniewa\u017c przekierowania s\u0105 ca\u0142kowicie rozwi\u0105zywane <em>przed<\/em> ko\u0144cowym etapem zliczania, deduplikacja automatycznie obejmuje r\u00f3wnie\u017c aliasy. Na przyk\u0142ad, je\u015bli artyku\u0142 zawiera link do \u201eUSA\u201d, a p\u00f3\u017aniej tak\u017ce do \u201eUnited States\u201d, pipeline rozwi\u0105zuje \u201eUSA\u201d do \u201eUnited States\u201d. Nast\u0119pnie rozpoznaje oba linki jako wskazuj\u0105ce na ten sam byt docelowy i usuwa duplikat. Ostateczny wynik to dok\u0142adnie jedno cytowanie przypisane do \u201eUnited States\u201d z analizowanego artyku\u0142u.<\/p>\n<h2>Zalety podej\u015bcia opartego na SQL<\/h2>\n<p>Uzasadnienie przetwarzania surowych baz danych SQL zamiast tworzenia programu do ekstrakcji <a href=\"https:\/\/en.wikipedia.org\/wiki\/Help:Wikitext\" target=\"_blank\">wikikodu<\/a> i jego parsowania (np. przy u\u017cyciu wyra\u017ce\u0144 regularnych) jest trojakie.<\/p>\n<p>Po pierwsze, tekst Wikipedii jest wysoce nieregularny \u2014 linki s\u0105 cz\u0119sto osadzane wewn\u0105trz z\u0142o\u017conych szablon\u00f3w, infoboks\u00f3w czy makr formatowania (co generuje ogromn\u0105 liczb\u0119 link\u00f3w do <strong>ISBN<\/strong> i <strong>DOI<\/strong> widocznych na szczycie rankingu). Dzi\u0119ki wykorzystaniu wst\u0119pnie przetworzonych zrzut\u00f3w SQL analizowane s\u0105 dok\u0142adnie te linki, kt\u00f3re zosta\u0142y poprawnie sparsowane przez serwery Wikipedii, co zapewnia wi\u0119ksz\u0105 dok\u0142adno\u015b\u0107.<\/p>\n<p>Po drugie, naiwna metoda oparta na analizie tekstu rozdziela\u0142aby popularno\u015b\u0107 danego tematu pomi\u0119dzy jego aliasy i prawdopodobnie wielokrotnie zlicza\u0142a te same linki na jednej stronie. \u015acis\u0142a integracja tabeli <code>redirect<\/code> oraz wymuszenie zliczania wy\u0142\u0105cznie unikalnych par konsoliduje dane, zapewniaj\u0105c, \u017ce ko\u0144cowe metryki dok\u0142adnie odzwierciedlaj\u0105 rzeczywiste znaczenie strukturalne artyku\u0142u.<\/p>\n<p>Po trzecie, pr\u00f3ba pozyskania takiej ilo\u015bci danych poprzez web scraping (\u017c\u0105dania HTTP) by\u0142aby skrajnie nieefektywna obliczeniowo, wymaga\u0142aby miesi\u0119cy przetwarzania i stanowi\u0142aby niepotrzebne obci\u0105\u017cenie dla serwer\u00f3w Wikipedii. Wykorzystanie zrzut\u00f3w SQL pozwala przetworzy\u0107 i przeanalizowa\u0107 ca\u0142y graf 1,63 miliarda link\u00f3w w trybie offline z wysok\u0105 wydajno\u015bci\u0105. <\/p>\n<h2>Szablony, infoboksy i automatycznie generowane linki<\/h2>\n<p>Naturalnym pytaniem jest, czy rankingi tego typu nie s\u0105 w du\u017cym stopniu kszta\u0142towane przez <a href=\"https:\/\/pl.wikipedia.org\/wiki\/Pomoc:Szablony\" target=\"_blank\">szablony<\/a>, <a href=\"https:\/\/pl.wikipedia.org\/wiki\/Pomoc:Infoboks\" target=\"_blank\">infoboksy<\/a>, <a href=\"https:\/\/pl.wikipedia.org\/wiki\/Pomoc:Przypisy\" target=\"_blank\">szablony cytowa\u0144<\/a> oraz inne automatycznie generowane elementy. Rzeczywi\u015bcie, znaczna cz\u0119\u015b\u0107 wewn\u0119trznej struktury link\u00f3w Wikipedii pochodzi w\u0142a\u015bnie z takich mechanizm\u00f3w.<\/p>\n<p>G\u0142\u00f3wna trudno\u015b\u0107 polega jednak na ustaleniu, gdzie nale\u017cy wyznaczy\u0107 granic\u0119. Gdyby uwzgl\u0119dnia\u0107 wy\u0142\u0105cznie linki bezpo\u015brednio widoczne w surowym <a href=\"https:\/\/www.mediawiki.org\/wiki\/Wikitext\/pl\" target=\"_blank\">wikikodzie<\/a>, pomini\u0119tych zosta\u0142oby wiele istotnych po\u0142\u0105cze\u0144 \u2014 w tym linki generowane przez szablony inline, infoboksy oraz modu\u0142y korzystaj\u0105ce z danych z <a href=\"https:\/\/www.wikidata.org\/wiki\/Wikidata:Main_Page\" target=\"_blank\">Wikidanych<\/a>.<\/p>\n<p>Warto r\u00f3wnie\u017c zauwa\u017cy\u0107, \u017ce cz\u0119\u015b\u0107 link\u00f3w pierwotnie wpisanych r\u0119cznie w wikikodzie mog\u0142a z czasem zosta\u0107 zast\u0105piona przez szablony dla wygody, sp\u00f3jno\u015bci lub standaryzacji. W rezultacie rozr\u00f3\u017cnienie mi\u0119dzy linkami \u201er\u0119cznymi\u201d a \u201egenerowanymi przez szablony\u201d nie zawsze jest jednoznaczne.<\/p>\n<p>Osobny ranking oparty wy\u0142\u0105cznie na linkach wyst\u0119puj\u0105cych bezpo\u015brednio w tre\u015bci artyku\u0142\u00f3w (wikikodzie) by\u0142by z pewno\u015bci\u0105 interesuj\u0105cy. Takie podej\u015bcie wymaga\u0142oby jednak wielu dodatkowych decyzji metodologicznych dotycz\u0105cych tego, co powinno by\u0107 uwzgl\u0119dniane, a co nie \u2014 na przyk\u0142ad czy nale\u017cy bra\u0107 pod uwag\u0119 linki znajduj\u0105ce si\u0119 w sekcji <a href=\"https:\/\/pl.wikipedia.org\/wiki\/Wikipedia:Przypisy\" target=\"_blank\">\u201ePrzypisy\u201d<\/a>, <a href=\"https:\/\/pl.wikipedia.org\/wiki\/Kategoria:Szablony_nawigacyjne\" target=\"_blank\">szablonach nawigacyjnych<\/a>, szablonach technicznych lub elementach generowanych automatycznie na podstawie metadanych.<\/p>\n<p>Z tego wzgl\u0119du niniejsza analiza opiera si\u0119 na w pe\u0142ni przetworzonym grafie link\u00f3w wewn\u0119trznych zapisanym w zrzutach baz danych SQL Wikipedii, odzwierciedlaj\u0105cym rzeczywist\u0105 struktur\u0119 po\u0142\u0105cze\u0144 generowan\u0105 przez oprogramowanie <a href=\"https:\/\/pl.wikipedia.org\/wiki\/MediaWiki\" target=\"_blank\">MediaWiki<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Wikipedia jest ogromnym repozytorium ludzkiej wiedzy. Najwi\u0119ksza wersja j\u0119zykowa, angloj\u0119zyczna Wikipedia, zawiera ponad 65,5 miliona stron, w tym 7,17 miliona artyku\u0142\u00f3w (z wy\u0142\u0105czeniem przekierowa\u0144). T\u0119 rozleg\u0142\u0105 sie\u0107 \u0142\u0105czy ponad 1,63 miliarda unikalnych odno\u015bnik\u00f3w mi\u0119dzy stronami. Na podstawie analizy tego zbioru danych zidentyfikowano najcz\u0119\u015bciej cytowane artyku\u0142y angloj\u0119zycznej Wikipedii.<\/p>\n","protected":false},"author":1,"featured_media":1062,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[12],"tags":[174,179,211,45],"class_list":["post-1061","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artykuly","tag-hugging-face","tag-kaggle","tag-sql","tag-wikipedia"],"_links":{"self":[{"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/posts\/1061","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/comments?post=1061"}],"version-history":[{"count":0,"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/posts\/1061\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/media\/1062"}],"wp:attachment":[{"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/media?parent=1061"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/categories?post=1061"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lewoniewski.info\/blog\/wp-json\/wp\/v2\/tags?post=1061"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}