ارزیابی کیفیت پر مشاهده ترین وب سایت های خبری در ایران مبتنی بر روش یادگیری ماشین

موفقیت و کارایی وب سایت ها تا حد زیادی وابسته به کیفیت وب سایت می باشد. بزرگ ترین سهم از مفهوم جدید کیفیت این است که جنبه های فنی محصولات و سرویس ها، با استفاده و برداشت مشتریان ترکیب می شود. بنابراین ارزیابی وب سایت ها بر اساس بیشترین استفاده و درک از سمت مشتریان امر مهمی به شمار می آید تا موفقیت یک وب سایت را به سازمان های مربوطه اعلام کند. این رتبه بندی و ارزیابی بایستی در یک دامنه خاص فعالیتی صورت بگیرد، تا رتبه یک وب سایت بسته به دیگر رقبای آن تعیین گردد. در این پژوهش بر این بوده ایم تا بتوان با به دست آوردن اطلاعات وب سایت ها به صورت خودکار و بدون دخالت نیروی انسانی، ارزیابی وب سایت ها را به صورت لحظه ای و بلادرنگ ممکن ساخت. بنابراین از دو روش یادگیری ماشین، شبکه عصبی و ماشین بردار پشتیبان برای این منظور استفاده شده است. از آنجایی که از الگوریتم یادگیری با نظارت در این روش ها استفاده کرده ایم، نیاز به داده های برچسب دار وجود داشت که به جای برچسب دار کردن خروجی ها توسط خبرگان و به صورت دستی از یکی از روش های تصمیم گیری چندمعیاره(MCDM) به نام تاپسیس کمک گرفته شده است. در این روش محاسبه وزن های معیارهای ارزیابی از روش آنتروپی به صورت خودکار محاسبه گردیده است. درنهایت رتبه بندی 791 وب سایت خبری که بر اساس گزارش الکسا بیشترین بازدیدکننده از طرف کاربران ایرانی را داشته اند، با روش تاپسیس حاصل شد، ولی از سمتی دیگر ارائه یک رتبه عددی به عنوان خروجی نهایی ارزیابی وب سایت ها چندان با هدف رقابت وب سایت ها همخوانی ندارد، به همین خاطر از این رتبه های عددی به عنوان خروجی روش های یادگیری ماشین به جای رتبه بندی خبرگان و افراد استفاده گردید تا بتوان وب سایت ها را در شش طبقه جداگانه از بسیار عالی تا بسیار ضعیف برچسب دار نمود. در ادامه از روش های یادگیری ماشین ذکر شده جهت طبقه بندی و همچنین پیش بینی طبقه یک وب سایت جدید استفاده شده است. نهایتا، این پژوهش به این نتیجه رسید که امکان طراحی سیستمی با دقت بالا برای ارزیابی وب سایت های خبری با روش شبکه عصبی و ماشین بردار پشتیبان وجود دارد به گونه ایی که این سیستم از عوامل مهم تاثیرگذار بر کیفیت وب سایت های خبری که به صورت خودکار قابلیت جمع آوری اطلاعات آن ها و جود داشته باشد، تشکیل شده باشد.