ارزیابی کیفیت پر مشاهده‌ترین وب‌سایت‌های خبری در ایران مبتنی بر روش یادگیری ماشین

موفقیت و کارایی وب سایت ها تا حد زیادی وابسته به کیفیت آن هاست. 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 خاصِ فعالیتی صورت گیرد، تا رتبه وب سایت در برابر رقبای آن تعیین گردد. این پژوهش بر آن است که بتوان ارزیابی وب سایت ها را با به دست آوردن اطلاعات آن ها به صورت خودکار و بدون دخالت نیروی انسانی، به صورت لحظه ای و بلادرنگ ممکن ساخت. برای این منظور از دو روش یادگیری ماشین، شبکه عصبی و ماشین بردار پشتیبان استفاده شده است. از آنجا 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 دارکردن 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 وزن های معیارهای ارزیابی با استفاده از روش آنتروپی به صورت خودکار محاسبه گردیده است. در نهایت، 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 سمت دیگر ارائه یک رتبه عددی به عنوان خروجی نهایی ارزیابی وب سایت ها چندان با هدف رقابت آن 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 ذکرشده جهت طبقه بندی و همچنین، پیش بینی طبقه یک وب سایت جدید استفاده شده است. در نهایت، 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 ای که این سیستم از عوامل مهم تاثیرگذار بر کیفیت وب سایت های خبری تشکیل شده و به صورت خودکار قابلیت جمع آوری اطلاعات آن ها وجود داشته باشد.