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

如何对R中的多篇维基百科文章同时运行article_pageviews函数，并将输出保存在数据框中？

在R中，要对多篇维基百科文章同时运行article_pageviews函数并将输出保存在数据框中，可以采用以下步骤：

安装和加载必要的包：

install.packages("wikitaxa")
install.packages("wikitaxaExtra")
library(wikitaxa)
library(wikitaxaExtra)

创建包含维基百科文章标题的向量：

articles <- c("Article1", "Article2", "Article3")

定义一个空的数据框来存储输出：

output_df <- data.frame()

使用for循环遍历每个文章，并运行article_pageviews函数：

for (article in articles) {
  pageviews <- article_pageviews(article)
  
  # 将输出添加到数据框中
  output_df <- rbind(output_df, pageviews)
}

查看输出结果：

print(output_df)

这样，你就可以对R中的多篇维基百科文章同时运行article_pageviews函数，并将输出保存在数据框中了。请注意，上述代码仅给出了一个示例，实际应用中可能需要根据具体情况进行适当调整。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

如何用R和API免费获取Web数据？

API是获得Web数据的重要途径之一。想不想了解如何用R调用API，提取和整理你需要的免费Web数据呢？本文一步步为你详尽展示操作流程。

02

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

Wikipedia pageview数据获取(bigquery)

维基百科pageview数据是Wikimedia技术团队所维护的访问量数据集。该数据集自2015年五月启用，其具体的pageview定义为对某个网页内容的请求，会对爬虫和人类的访问量进行区分，粒度为小时级别，如下图：

01

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

如何利用维基百科的数据可视化当代音乐史

翻译校对：丁雪吴怡雯程序验证修改：李小帅 “我相信马塞勒斯·华莱士，我的丈夫，你的老板吩咐你带我出门做我想做的任何事。现在，我想跳舞，我要赢，我想得到那个奖杯，把舞跳好来！” 《黑色追缉令》

07

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

【图文讲解】映射——单射-双射-满射概念

大家好，又见面了，我是你们的朋友全栈君。最近看的一篇论文里出现了partial map的概念，用我的散装英文乍一翻译——“部分映射”? 印象中高中和大一的高数书里都讲过，但一些概念已经忘差不

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

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

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

论文修改100遍也别慌！Meta发布全新写作语言模型PEER：参考文献都会加

---- 新智元报道编辑：LRS 【新智元导读】Meta最近放出全新写作语言模型PEER，完全模拟人类写作过程，从打草稿到重复编辑修改都帮你干了，还能解释修改原因！ 2020年5月至今，GPT-3发布近两年半的时间里，在其神奇的文本生成能力加持下，已经能够很好地辅助人类进行写作了。但GPT-3说到底也就是个文本生成模型，与人类的写作过程可以说是完全不同了。比如要写一篇论文或者作文，我们需要先在脑海里构造一个框架，查相关资料，打草稿，再找导师不断地修改、润色文字，期间可能还会修改思路，最终才可

02

「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

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

CMU 15-445 数据库课程第四课文字版 - 存储2

在这里，页中不存储元组数据，只会存储日志记录，即通过日志记录我们插入的数据以及我们如何更新系统中的数据，包括：插入元组的语句日志，删除元组的语句日志，更新元组的语句日志。这种设计写得很快，因为不用在一个页里寻找并更新单个元组，就是在末尾追加写，这样写起来非常快，对于磁盘 I/O 也很好。

01

数据库复习题考试题库（名词解释）

数据库，简而言之可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据运行新增、截取、更新、删除等操作。

03

先验概率,后验概率,似然概率

老是容易把先验概率,后验概率,似然概率混淆，所以下面记录下来以备日后查阅。区分他们最基本的方法就是看定义，定义取自维基百科和百度百科:

06

知识图谱上简单问题的知识问答

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

02

使用 ChatGPT 与 Python 中的第三方应用程序进行交互

将语言模型（如ChatGPT）集成到第三方应用程序中已经变得越来越流行，因为它们能够理解和生成类似人类的文本。然而，需要认识到ChatGPT的一些限制，比如它的知识截止日期是在2021年9月，以及它无法直接访问维基百科或 Python 等外部资源。

01

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

[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

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

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

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

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

皮尔逊相关性系数和热力图

特征选择是一个重要的“数据预处理”过程，在实现机器学习任务中，获得数据后通常先进行特征选择，此后再训练学习器。[1]

02

ebpf_ebpf需要修改内核吗

BPF （Berkeley Packet Filter）是为捕捉和过滤符合特定规则的网络包而设计的，过滤器为运行在基于寄存器的虚拟机上的程序(用来捕捉过滤、在有寄存器的虚拟机上运行的程序）。一个eBPF程序会附加到指定的内核代码路径中，当执行该代码路径时，会执行对应的eBPF程序。过滤(Filter): 根据外界输入的规则过滤报文；复制(Copy)：将符合条件的报文由内核空间复制到用户空间；缺点（落后）：虚拟机指令集架构（ISA）相对落后，BPF提供的一小部分RISC指令无法在现有处理器上使用

01

Java多线程学习（七）并发编程中一些问题

我自己总结的Java学习的系统知识点以及面试问题，目前已经开源，会一直完善下去，欢迎建议和指导欢迎Star： https://github.com/Snailclimb/Java-Guide

03

艺术？当维基百科打印成书！

摘自：煎蛋（http://jandan.net/）文章已经开通了评论功能，欢迎大家互动点评这也算得上是数学实验中的一种艺术吧——将维基百科这种几乎涵盖了一切你想得到的知识的在线百科全书统统打印出

08

LLaMA：开放和高效的基础语言模型

https://github.com/facebookresearch/llama

02

王昊奋：大规模知识图谱技术

主讲嘉宾：王昊奋主持人：阮彤承办：中关村大数据产业联盟嘉宾简介：王昊奋，华东理工大学讲师，上海交通大学计算机应用专业博士，对语义搜索、图数据库以及Web挖掘与信息抽取有浓厚的兴趣。在博士就读期间发表了30余篇国际顶级会议和期刊论文，长期在WWW、ISWC等顶级会议担任程序委员会委员。作为Apex数据与知识管理实验室语义组负责人，他主持并参与了多项相关项目的研发，长期与IBM、百度等知名IT企业进行合作，在知识图谱相关的研究领域积累了丰富的经验。以下为分享实景全文：王昊奋：近两年来，随着开放链

06

2010 年的那场 F8 大会，是 Facebook 数据泄露的根源

源 / stratechery 文 / Ben Thompson 译 / 36氪一切都是一种权衡，都需要取舍。编者按：著名分析师Ben Thompson近日发表了一篇文章，详细阐述了Facebook数据泄露事件背后的根源以及其带来的影响。原题为“THE FACEBOOK BRAND”，文章由36氪编译。上周，路透社报道了哈里斯品牌调查（ Harris Brand Survey）的结果：苹果公司和Alphabet公司的谷歌企业品牌在年度调查中的排名下降，而亚马逊公司连续第三年位居榜首，

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

开放的一天，吴恩达、谷歌、Facebook纷纷开源数据集

在这篇文章中，我们将介绍这几天开源的三种数据集，它们与已有的通用数据集都不太一样，且更关注精细化的任务。例如在谷歌开源的 QA 数据集中，它里面都是真实的搜索问题，答案也都是从维基百科查找的。这种大型的真实数据集更适合训练一个不那么「低智商」的 QA 对话系统，也更符合成年人实际会问的一些问题。

03

知识图谱技术原理介绍

知识图谱技术原理介绍（转载）王昊奋近两年来，随着LinkingOpen Data 等项目的全面展开，语义Web数据源的数量激增，大量RDF数据被发布。互联网正从仅包含网页和网页之间超链接的文档万维网（DocumentWeb）转变成包含大量描述各种实体和实体之间丰富关系的数据万维网（DataWeb）。在这个背景下，Google、百度和搜狗等搜索引擎公司纷纷以此为基础构建知识图谱，分别为KnowledgeGraph、知心和知立方，来改进搜索质量，从而拉开了语义搜索的序幕。下面我将从以下几个方面来介绍知识

07

当BERT遇上搜索引擎

前两天刷到一篇有意思的paper，文中将信息检索工具Anserini和BERT结合，实现了一个开放域的问答系统。

02

word2vec训练中文词向量

词向量作为文本的基本结构——词的模型。良好的词向量可以达到语义相近的词在词向量空间里聚集在一起，这对后续的文本分类，文本聚类等等操作提供了便利，这里简单介绍词向量的训练，主要是记录学习模型和词向量的保存及一些函数用法。

01

网站SEO内容更多来源

网站SEO内容，除了SEO内容优化实施策略所提到两种获取内容渠道之外，还可以从哪里找到更多的网站SEO内容来源？我们都知道不是所有网站都需要高质量内容，对于网站来说内容越多越好，让我们开始大脑风暴获取网站SEO内容更多来源。使用开放性内容做网站SEO内容

03

资源 | Facebook开源DrQA的PyTorch实现：基于维基百科的问答系统

选自GitHub 机器之心编译参与：Panda 今年 4 月，斯坦福大学和 Facebook 人工智能研究所在 arXiv 发布了一个基于维基百科的开放域问题问答系统 DrQA。近日，Facebook 在 GitHub 上开源了这个系统的代码，FAIR 主管 Yann LeCun 在社交网络也为这次开源做了宣传。据悉，该研究也将出现在 7 月 30 日举行的 ACL 2017 大会上。论文地址：https://arxiv.org/abs/1704.00051 开源地址：https://github.co

05

WikiNet — CS224W 课程项目的循环图神经网络实践

在这篇文章中，我们将使用现代的图机器学习技术在 Wikispeedia navigation paths路径数据集进行项目实践

02

斯坦福大学：大模型“卷”错方向了？上下文窗口越长，模型越笨！

其中的卷王当属Anthropic 公司，其五月份就将 Claude 的上下文窗口从 9k token扩展到了 100k。

02

知识图谱扫盲

近两年来，随着Linking Open Data等项目的全面展开，语义Web数据源的数量激增，大量RDF数据被发布。互联网正从仅包含网页和网页之间超链接的文档万维网(Document Web)转变成包含大量描述各种实体和实体之间丰富关系的数据万维网(Data Web)。在这个背景下，Google、百度和搜狗等搜索引擎公司纷纷以此为基础构建知识图谱，分别为Knowledge Graph、知心和知立方，来改进搜索质量，从而拉开了语义搜索的序幕。知识图谱的表示和本质正如Google的辛格博士在介绍知识图谱时提

06

直播 | CMRC2018 评测任务冠军队伍分享：如何从数据、模型和训练角度提升阅读理解系统性能？

2018 年 10 月 19 日，第十七届中国计算语言学大会（CCL2018）在长沙召开，追一科技团队作为中文机器阅读理解（CMRC2018）评测任务的冠军队伍，在评测研讨会上分享了本次参赛系统的报告。

03

（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

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

Rxjs 响应式编程-第六章使用Cycle.js的响应式Web应用程序

随着单页应用程序的出现，网站突然被期望做更多，甚至与“原生”应用程序进行竞争。在尝试更快地开发Web应用程序时，开发人员意识到特定领域是瓶颈，使Web应用程序不像其本地应用程序那样快速和强大。

03

使用Apache Flink进行流处理

如果在你的脑海里，“Apache Flink”和“流处理”没有很强的联系，那么你可能最近没有看新闻。Apache Flink已经席卷全球大数据领域。现在正是这样的工具蓬勃发展的绝佳机会：流处理在数据处理中变得越来越流行，Apache Flink引入了许多重要的创新。

02

维基百科背后，有场旷日持久的机器人编辑之战，开发者都不曾料到

王新民 | 编译自Gizmodo 维基百科上的人类编辑，经常由于修改意见的不同而产生冲突。一份英国的新研究表明，维基百科上的软件机器人之间，也有类似的在线冲突。 PLOS ONE上发表的一项新研究提到，维基百科的机器人经常修改和撤消对方的编辑。这些在线算法有着独特的指令和目标，多年来在内容修改上进行着毫无结果的 “战斗”。这项研究表明，即使在“愚蠢”的机器人之间，也能够产生复杂的交互行为，开发人员需要时刻关注着机器人的一举一动。这一发现不仅影响着维基百科页面的质量，也对人工智能的发展有深远影响，特别是在

AI 技术讲座精选：数学不好，也可以学习人工智能（六）——巧用数学符号

【AI100 导读】欢迎阅读《数学不好，也可以学好人工智能》系列的第六篇文章。如果你错过了之前的五部分，一定记得把它们找出来看一下！这篇文章作者会帮你学习数学符号，打下坚实的基础，将所有符号与现实结合

08

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

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

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