[ILUGC] Fwd: [Wikitech-l] Wikipedia seeks to speak your language

  • From: Shrinivasan T <tshrinivasan@xxxxxxxxx>
  • To: ilugc@xxxxxxxxxxxxx
  • Date: Fri, 29 Jul 2016 20:03:52 +0530

---------- Forwarded message ----------
From: Deborah Tankersley <dtankersley@xxxxxxxxxxxxx>
Date: 2016-07-28 2:01 GMT+05:30
Subject: [Wikitech-l] Wikipedia seeks to speak your language
To: wikitech-l <wikitech-l@xxxxxxxxxxxxxxxxxxx>, Coordination of
technology deployments across languages/projects
<wikitech-ambassadors@xxxxxxxxxxxxxxxxxxx>, A public mailing list
about Wikimedia Search and Discovery projects
<discovery@xxxxxxxxxxxxxxxxxxx>


Using language detection to search the right Wikipedia

Wikipedia readers speak many languages, so it’s not a surprise that
sometimes they search for phrases not in the language of the wiki that
they’re currently reading. This, unfortunately, can lead to poor search
results. A recent survey we completed on English Wikipedia identified
searches done in 40 different languages
<https://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/TextCat_Re-optimization_for_enwiki#Other_languages_searched_on_enwiki>
 [1]!

The Wikimedia Discovery department
<http://www.mediawiki.org/wiki/Wikimedia_Discovery> [2] wants to help
people easily find what they are looking for. In order to do this, the
Discovery Search team is rolling out new language identification software
to the Wikipedia search engine.

This new software will detect when a search is unsuccessful, but appears to
be in a different language. When this happens, the search results page will
include results from the Wikipedia of the automatically detected language.
These new cross-wiki results will be displayed along with the local-wiki
results, if there are any. We’ve recently enabled the language
identification and search results for the English, French, German, Italian,
and Spanish-language Wikipedias.

The next group of Wikipedias to have language detection enabled will
includeIndonesian,
Japanese, Portuguese, and Russian
<http://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/TextCat_Optimization_for_ptwiki_ruwiki_jawiki_and_idwiki>
[3]. We
are investigating ways to bring language detection to more Wikipedias and
to other Wikimedia projects.

The Search team has other language detection ideas and plans in the works.
We’re thinking about ways to improve language detection with smarter
measures of confidence
<https://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/TextCat_and_Confidence>
[4].
We are also exploring detection of search in one character set while using
a keyboard from another character set. Early experiments with English and
Russian
<https://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/Typing_on_the_Wrong_Keyboard%E2%80%94Russian_and_English>
[5]
are promising!

You can find technical details about our new language detection module
(TextCat) onMediaWiki.org <https://www.mediawiki.org/wiki/TextCat> [6]. PHP
<https://github.com/wikimedia/wikimedia-textcat> [7] and updated Perl
<https://github.com/Trey314159/TextCat> [8] libraries are also available
and the libraries include language models for dozens of languages.

You can also test the language detection using our online demo
<https://tools.wmflabs.org/textcatdemo/> [9]. The demo lets you try all the
different language models on your own text. It also includes tutorials and
lots of additional information about TextCat’s internal workings.

Let’s get searching - now with language detection and better results! You
can read theblog post
<https://blog.wikimedia.org/2016/07/27/wikipedia-language-search/> [10] and
more detailed information is here
<https://commons.wikimedia.org/wiki/File:Wikipedia_Seeks_to_Speak_Your_Language.pdf>
 [11].

*Here's some nice screenshots of what it looked like before we added in the
language detection...[12]*



*and after we added in the language detection for a Russian query on
English Wikipedia [13]:*




*Thanks for reading - from the Discovery Search Team Gnomes!*


[1]
https://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/TextCat_Re-optimization_for_enwiki#Other_languages_searched_on_enwiki
[2] http://www.mediawiki.org/wiki/Wikimedia_Discovery
[3]
http://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/TextCat_Optimization_for_ptwiki_ruwiki_jawiki_and_idwiki
[4]
https://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/TextCat_and_Confidence
[5]
https://www.mediawiki.org/wiki/User:TJones_(WMF)/Notes/Typing_on_the_Wrong_Keyboard%E2%80%94Russian_and_English
[6] https://www.mediawiki.org/wiki/TextCat
[7] https://github.com/wikimedia/wikimedia-textcat
[8] https://github.com/Trey314159/TextCat
[9] https://tools.wmflabs.org/textcatdemo/
[10] https://blog.wikimedia.org/2016/07/27/wikipedia-language-search/
[11]
https://commons.wikimedia.org/wiki/File:Wikipedia_Seeks_to_Speak_Your_Language.pdf
[12]
https://commons.wikimedia.org/wiki/File%3AExisting-search_no-textcat.png
[13] https://commons.wikimedia.org/wiki/File%3ANew-search_with-textcat.png

--
Deb Tankersley
Product Manager, Discovery
IRC: debt
Wikimedia Foundation
_______________________________________________
Wikitech-l mailing list
Wikitech-l@xxxxxxxxxxxxxxxxxxx
https://lists.wikimedia.org/mailman/listinfo/wikitech-l


-- 
Regards,
T.Shrinivasan


My Life with GNU/Linux : http://goinggnu.wordpress.com
Free E-Magazine on Free Open Source Software in Tamil : http://kaniyam.com

Get Free Tamil Ebooks for Android, iOS, Kindle, Computer :
http://FreeTamilEbooks.com
_____________________________________
ILUGC List: http://www.freelists.org/list/ilugc
ILUGC Web: http://ilugc.in/

Other related posts:

  • » [ILUGC] Fwd: [Wikitech-l] Wikipedia seeks to speak your language - Shrinivasan T