مدل تركيبي هوشمند براي سنجش محتواي وب سايت ها براساس شبكه هاي عصبي و تئوري اطلاعات متقابل

استفاده بسيار گسترده از وب، منجر به افزايش سطح كمي و كيفي سرويس وب سايت ها گرديده و تاكنون جهت مقايسه و ارزيابي آنها از جنبه هاي مختلف، روش هاي زيادي ارائه شده است. در اين مقاله به ارائه روشي خواهيم پرداخت كه بهصورت هوشمند محتواي وب سايتها را ارزيابي كرده و براساس زمينهي فعاليت آنها، وبسايتي كه بهترين و غنيترين اطلاعات را داراست، انتخاب مينمايد. اين روش مبتني بر تكنيكهاي متن كاوي، شبكه هاي عصبي و همچنين روش آنتروپي است و در دو مرحله اساسي عمل مي كند كه عبارتست از: 1 تعيين زمينه فعاليت هر وب سايت به صورت هوشمند با استفاده از سه شبكه عصبي مصنوعي پرسپترون چندلايه (MLP) ، توابع پايه شعاعي (RBF) و يادگيري تدريج بردار (LVQ) - 2 تعيين و مقايسه ميزان غناي اطلاعاتي وب سايت ها با استفاده از آنتروپي. روش پيشنهادي با استفاده از 101 وب سايت در زمينه هاي غذايي، ورزشي و سياسي ارائه شده است. در نهايت پس از مقايسه و ارزيابي هوشمند محتواي وب سايت ها، از تئوري اطلاعات متقابل (MI) براي سنجيدن ميزان وابستگي بين دو متغير استفاده مي شود و بدين ترتيب نتايج قابل قبولي به دست مي آيد