ارزيابي كيفيت پر مشاهده‌ترين وب‌سايت‌هاي خبري در ايران مبتني بر روش يادگيري ماشين

Evaluation of Most Visited News Websites in Iran Based on Machine Learning

موفقيت و كارايي وب‌سايت‌ها تا حد زيادي وابسته به كيفيت آن‌هاست. بزرگ‌ترين سهم از مفهوم جديد كيفيت اين است كه جنبه‌هاي فني محصولات و سرويس‌ها با استفاده و برداشت مشتريان تركيب مي‌شود. بنابراين، ارزيابي وب‌سايت‌ها بر اساس بيشترين استفاده و درك از سمت مشتريان امر مهمي به شمار مي‌آيد تا موفقيت يك وب‌سايت را به سازمان‌هاي مربوطه اعلام كند. اين رتبه‌بندي و ارزيابي بايستي در يك دامنه خاصِ فعاليتي صورت گيرد، تا رتبه وب‌سايت در برابر رقباي آن تعيين گردد. اين پژوهش بر آن است كه بتوان ارزيابي وب‌سايت‌ها را با به‌دست‌آوردن اطلاعات آن‌ها به‌صورت خودكار و بدون دخالت نيروي انساني، به‌صورت لحظه‌اي و بلادرنگ ممكن ساخت. براي اين منظور از دو روش يادگيري ماشين، شبكه عصبي و ماشين بردار پشتيبان استفاده شده‌ است. از آنجا كه از الگوريتم يادگيري با نظارت در اين روش‌ها استفاده كرده‌ايم، نياز به داده‌هاي برچسب‌دار وجود داشت كه به‌‌جاي برچسب‌داركردن خروجي‌ها توسط خبرگان و به‌صورت دستي از يكي از روش‌هاي تصميم‌گيري چندمعياره (MCDM) به‌نام «تاپسيس» كمك گرفته شده است. در اين روش وزن‌هاي معيارهاي ارزيابي با استفاده از روش آنتروپي به‌صورت خودكار محاسبه گرديده است. در نهايت، رتبه‌بندي 791 وب‌سايت‌ خبري كه بر اساس گزارش «الكسا» بيشترين بازديدكننده از طرف كاربران ايراني را داشته‌اند، با روش «تاپسيس» حاصل شد، ولي از سمت ديگر ارائه يك رتبه عددي به‌عنوان خروجي نهايي ارزيابي وب‌سايت‌ها چندان با هدف رقابت آن‌ها همخواني ندارد. به‌ همين خاطر، از اين رتبه‌هاي عددي به‌ عنوان خروجي روش‌هاي يادگيري ماشين به‌‌ جاي رتبه‌بندي خبرگان و افراد استفاده گرديد تا بتوان وب‌سايت‌ها را در شش طبقه جداگانه، از بسيار عالي تا بسيار ضعيف، برچسب‌دار نمود. در ادامه، از روش‌هاي يادگيري ماشين ذكرشده جهت طبقه‌بندي و همچنين، پيش‌بيني طبقه يك وب‌سايت جديد استفاده شده‌ است. در نهايت، اين پژوهش به اين نتيجه رسيد كه امكان طراحي سيستمي با دقت بالا براي ارزيابي وب‌سايت‌هاي خبري با روش شبكه عصبي و ماشين بردار پشتيبان وجود دارد، به‌گونه‌اي كه اين سيستم از عوامل مهم تأثيرگذار بر كيفيت وب‌سايت‌هاي خبري تشكيل شده و به‌صورت خودكار قابليت جمع‌آوري اطلاعات آن‌ها وجود داشته باشد.

Success and effectiveness of websites are largely dependent on their quality. The biggest share of the quality of new concept is that technical aspects of products and services combine with customers usage and understanding. Therefore, websites evaluation based on the maximum usage and perception of the customers is considered an important issue to announce to the related organizations. This ranking and evaluation should be performed in a special activity domain so that the first place of website rank determines among its other competitors. In this article achieving the information of websites is automatic and without the intervention of human so that the instant evaluation could be possible. In this study, one of the multi criteria decision-making methods called TOPSIS is used and the weights of the criteria have been achieved on entropy method in the mentioned method. Eventually, according to the Alexa ranking report, 791 ranking news website have been obtained which have most visitors of Iranian users, but on the other hand, just a numerical rank as a final output of websites evaluation can not be very inconsistent with the purpose of competition between websites, so these numerical ranking from TOPSIS method used as output in machine learing method for separating websites from excellent to very poor in six categories as lables for training dataset in classification, instead of using manual lables achieved from experts and users’ opinion. For this classification, machine learning techniques, including artificial neural network and support vector machine were used.