Am 14.02.2007 um 21:01 schrieb Michael Diederich: Angestaubte Mini-Diskusionsseiten halte ich für unproblematisch. Unschön sind die dicken Brocken, die sich über mehrere Jahre erstrecken. Heftig diskutierte Artikel wiederum werden meistens schon manuell oder automatisch archiviert. An Zusammenfassungen glaube ich nicht, da müsste ja jemand richtig Arbeit in eigentlich erledigte Dinge stecken – unbefriedigender Auftrag. Was ich mir vorstellen könnte, wäre allen (neuen) Diskussionsseiten automatisch einen Archivbot mit Zwölf-Monats-Frist zu verpassen, wenn das technisch möglich ist. Bei Bedarf kann der dann im Einzelfall angepasst werden. Rainer

Ein Archivbot kann kaum entscheiden ob eine Diskussion nun erledigt ist oder nicht; er kann allenfalls alles was älter ist als 5 Monate löschen. N.Bienefeld schrieb: Das hätte man natürlich z.B. auch, wenn sich ein Wikipedianer die Mühe macht, die Diskussionsseiten zu bereinigen, was allerdings zumindest ursprünglich nicht gern gesehen wurde. Eigentlich ist die Frage doch, ob man das Löschen von Absätzen in Diskussionen zulassen soll; ob Wikipedianer also überhaupt Übersichtlichmachung leisten dürfen. BTW ist das mit der History auch ein ziemlicher Zopf; anscheinend wird ja jede Editierei bis in alle Ewigkeit gespeichert... Wieviel Prozent der Daten auf den Wikipedia-Servern sind denn noch relevante Informationen ? Zwei ? Wohl eher weniger als eins... Selbst wenn man die Bilder dazunimmt könnte die History aller Artikel und Diskussionsseiten allein noch alles andere überwiegen.

Mal ganz konkret: wenn ich auf Diskussionsseiten stoße, bei denen mal jemand vor einem Jahr eine Anmerkung gemacht hat, die mittlerweile obsolet ist, dann stelle ich einfach einen SLA. Viele Grüße Philipp

Quoting Henriette Fiebig <henriette.fiebig(a)snafu.de>de>: ich denke er moechte damit plattenplatz sparen, was aber nach meine verstaendniss auf diese art nicht klappt

On Thursday 15 February 2007 15:38:09 Gustav König wrote: Zunächst einmal ist die Datenbank komprimiert, da machen viele Versionen änlicher Texte nicht viel aus. Um das nachzuvollziehen kannst du einmal zwei identische Texte unter verschiedenen Namen zusammen als ZIP packen und einmal nur einen der beiden Texte. Der Unterschied der beiden gepackten Dateien ist relativ klein. Es würde auch kein Geld durch das Löschen gespart werden. Gelöschte Informationen sind nach wie vor vorhanden. Löschen heißt lediglich "alle außer Admins können es nicht mehr lesen". Der einzige Unterschied würde beim Download der Datenbank entstehen. Der öffentliche Download ist selbstverständlich von gelöschten Informationen bereinigt (neben anderen Daten, wie Logininformationen der Benutzer und diverse Logbücher). Die wirklichen Vorteile die die Beseitigung alter Diskussionen bringt sind: * Übersichtlichkeit * Beseitigung womöglich hässlicher Diskussionen, die man nach Jahren ungern von irgendjemand wieder aufgekocht sehen möchte. Grüße, Arnomane

On Tuesday 20 February 2007 10:55:42 Paul Ebermann wrote: Danke für deine Analyse. Daran, dass Zip im Gegensatz zum Gespann Tar + Gzip Einzeldateien nicht zusammenfasst hab ich in der Tat nicht gedacht. Ich hatte es nur mit tar.gz- und tar.bz2-Archiven ausprobiert, da ich selber Linux verwende und hatte zip keine allzugroße Beachtung geschenkt (zumal Winzip tar.gz entpacken kann). Ich hatte das Thema vor längeren mal in ganz anderem Kontext ausprobiert. Vor einiger Zeit stand in Spektrum der Wissenschaft ein recht interessanter Artikel zum Thema computergesteuerte Verwandtschaftsanalyse von DNS-Fragmenten: Zusammen komprimieren und mit der getrennten Komprimierung vergleichen und dann die Dateigrößen verrechnen sind eine recht gute Maßzahl zur Erszellung einer Karte der genetischen verwandtschaft verschiedener Lebewesen. Das ganze lässt sich auch super nutzen um Texte zu vergleichen. Im Spektrum-Artikel wurde dazu der Stammbaum von Kettenbriefen erstellt. Evtl. ließe sich das also auch gegen Spam einsetzen (bzw. ich denke mal dass gängige Spamfilter soetwas bereits in ihrem Maßnahmenköcher haben). Mit Kompressionsalgorithem lassen sich noch ganz andere Dinge anstellen wie Datensalat eines Zufallsgenerators rückwärts durch eine geeignete Kompressionsroutine laufen lassen, was Nonsenstexte im Stile des Bürgerlichen Gesetzbuchs oder im Stil von Karl May erzeugt. Dazu braucht es aber einen etwas anderen Algorithmus, der versteckte sprach- und textabhängige Redundanzen findet: Das Wort "ein" ist für Zip nicht komprimierbar, wenn man aber weiß, dass das "e" im Deutschen der häufigste erste Buchstabe im Wort ist kann man es mit einer 1 codieren, der häufigste zweite Buchstabe ist ein "i" und wird somit ebenfalls mit 1 codiert, dasselbe gilt für den dritten Buchstaben "n". "ein" kann also bei bekanner Sprache (bzw. bekannter Häufigkeitsmatrix) mit "111" codiert werden, was sich nun gut komprimieren ließe. Egal, das führt zu weit und ist Off-Topic hier ;)... Es wird nach wie vor Gzip in der von dir beschriebenen Form verwendet. Bzip2 wäre zwar besser, allerdings ist der Unterschied nicht so groß. Gzip reduziert die Datenbank nach dem was ich weiß auf ca. 15%, Bzip2 auf 10%. Der Mehraufwand für Bzip2 lohnt also nicht angesichts des exponentiellem Wachstum der Wikipediadatenbank (Das Speichern der Differenzen und gemeinsame Kompression dieser Differenzen bringt ebenfalls kaum Platzersparnis, würde aber sehr viel mehr Rechenzeit kosten). Ein Algorithmus der um Größenordnungen besser wäre als Gzip/Bzip2 ist der obige skizzierte, welcher versteckte Redundanzen findet (wär übrigens sehr dankbar wenn mir einer sagen kann wie der Algorithmus heißt, ich hab es mal vor Jahren gesehen, aber den Namen vergessen). Grüße, Arnomane

elwp(a)gmx.de schrieb: - Du meinst jetzt etwas von der History zu löschen. Das Bereinigen der Diskussionsseiten hat ja einen wichtigen Übersichtlichkeitseffekt. Wenn man davon ausgeht dass jede Diskussion in dem Zeitraum immer weiter anschwillt, die Artikel aber kaum, genausowenig wie neue Artikel hinzukommen, dann muss sich schon deutlich was geändert haben - der Diskussionsnamensraum ist vermutlich schon auf 20% angeschwollen.

P. Birken wrote: Doch, auch die fallen darunter. Naemlich dann, wenn jemand mal nachrecherchieren will, warum eine bestimmte Aenderung im Artikel erfolgt ist und wer diese initiiert hat. Oder wenn jemand akurate Zahlenangaben will, zu wievielen Artikeln in WP es Diskussionsseiten gibt. Macht den Wiki-Forschern doch nicht dauernd das Leben durch unnoetige SLAs schwer. viele gruesse, elian

On 16.02.2007, at 01:21, Dirk Franke wrote: You made my Day :) *kiss* Liebste Grüße aus der ekeligsten Stadt der Welt Henriette ---- "Waere es etwas Neues, zu erfahren", warf O'Connor ein, "dass Demokratie schon immer der Triumph der Dummen war?" Frank Schaetzing, "Lautlos"

P. Birken schrieb: Eben. Die Wikipedia ist nicht das weltgrößte Logfileprojekt sondern eine Onlineenzyklopädie - auch nicht gegründet um eine neue Geisteswissenschaft ins Leben zu rufen.

Michael Diederich schrieb: Nein, die dürfen nicht mal die Wikiforscher in Gänze sehen, denn das ist wie mit dem Tödlichen Witz. - Nur dass man sich damit zu Tode langweilt.

P. Birken schrieb am 15.02.2007 11:23: Davon halte ich wie Henriette eher wenig. Ein 'leeren' der Seite sorgt dafuer, dass der eigentliche Zweck - mehr Uebersicht und weniger Verwirrung - erreicht wird, aber in der History die Vorgaenge der Vergangenheit transparent und nachvollziehbar bleiben. Ich halte es durchaus von Interesse, wenn eine Aenderung im Artikel aufgrund einer Diskussion auf der Diskussionsseite durchgefuehrt wurde. Tschuess, Tim. -- http://wikipedistik.de