|
|
|
|
تخمین منطق پایگاه الکسا در رتبه بندی وب سایت ها با رویکرد برازش در بستر سیستم استنتاج عصبی-فازی انطباقی (anfis)
|
|
|
|
|
|
|
|
نویسنده
|
فایضی محمد ,فیلی اردلان
|
|
منبع
|
پژوهش هاي نوين در شهر هوشمند - 1403 - دوره : 2 - شماره : 3 - صفحه:6 -20
|
|
چکیده
|
هدف: مدل سازی منطق حاکم بر رتبه های حاصل از موتور استنتاج گر پایگاه الکسا با استفاده از شاخص های در دسترس از طریق برازش داده ها. روش/ رویکرد پژوهش: شش معیار به عنوان شاخص های ورودی برای 233 وب سایت برتر ایرانی در کنار رتبه آن ها در الکسا به عنوان خروجی، مدل کلی مسئله را تشکیل می دهند. به منظور پیاده سازی این مدل، سیستم استنتاج عصبی-فازی انطباقی (anfis) بر روی این داده ها آموزش داده شده و درنهایت، برازشی با کمترین خطا مورد تایید واقع شد. یافته ها: در این پژوهش با مقایسه بین مدل های anfis با توابع عضویت و خروجی های مختلف طی دو روش بخش بندی شبکه ای و خوشه بندی کاهشی -با در نظر گرفتن کمینه خطاهای ایجادشده- anfis با توابع عضویت گاوسی و خروجی خطی که به روش بخش بندی شبکه ای اعمال می شود، بهترین عملکرد را در تخمین رتبه داشته است.نتیجه گیری: تصویری نسبتاً گویا از تاثیرگذاری شاخص های مختلف و تخمین رتبه وب سایت ها با ارائه مقادیر جدید یا تغییریافته شاخص های موردنظر ارائه شد تا درنهایت بتوان رتبه آتی را با استفاده از شاخص هایی به غیر از میزان ترافیک دقیق سایت، تخمین زد.
|
|
کلیدواژه
|
ترافیک بازدید، پایگاه الکسا، سیستم استنتاج عصبی، فازی انطباقی (anfis)، برازش داده ها
|
|
آدرس
|
دانشگاه فردوسی مشهد, دانشکده علوم اداری و اقتصادی, ایران, دانشگاه فردوسی مشهد, دانشکده علوم اداری و اقتصادی, ایران
|
|
پست الکترونیکی
|
feili@apadana.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
estimating alexa rank logic using fuzzy adaptive neuro-fuzzy inference system (anfis)
|
|
|
|
|
Authors
|
faizi mohammad ,feili ardalan
|
|
Abstract
|
objective: the aim of this study is to model the logic governing the rankings obtained from the alexa ranking engine using available indicators through data fitting.method/approach: six criteria، as input indicators for 233 top iranian websites along with their alexa rank as the output، constitute the general model of the problem. to implement this model، the fuzzy adaptive neuro-fuzzy inference system (anfis) is trained on this data and finally a fitting with the least error is confirmed.findings: in this research، by comparing anfis models with different membership functions and different outputs through two methods of network partitioning and reduction clustering - considering the minimum errors generated - anfis with gaussian membership functions and linear output applied by the network partitioning method had the best performance in estimating website rankings.conclusion: a relatively clear picture of the influence of various indicators and the estimation of future website ranks was presented by providing new or modified values of the desired indicators so that ultimately، using indicators other than the exact site traffic، the next rank could be estimated.
|
|
Keywords
|
web traffic ,alexa rank ,fuzzy adaptive neuro-fuzzy inference system (anfis) ,data fitting
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|