فهرست نشریات علمی دسترسی آزاد ایران

موفقیت و کارایی وب‌سایت‌ها تا حد زیادی وابسته به کیفیت آن‌هاست. بزرگ‌ترین سهم از مفهوم جدید کیفیت این است که جنبه‌های فنی محصولات و سرویس‌ها با استفاده و برداشت مشتریان ترکیب می‌شود. بنابراین، ارزیابی وب‌سایت‌ها بر اساس بیشترین استفاده و درک از سمت مشتریان امر مهمی به شمار می‌آید تا موفقیت یک وب‌سایت را به سازمان‌های مربوطه اعلام کند. این رتبه‌بندی و ارزیابی بایستی در یک دامنه خاصِ فعالیتی صورت گیرد، تا رتبه وب‌سایت در برابر رقبای آن تعیین گردد. این پژوهش بر آن  است که بتوان ارزیابی وب‌سایت‌ها را با به‌دست‌آوردن اطلاعات آن‌ها به‌صورت خودکار و بدون دخالت نیروی انسانی، به‌صورت لحظه‌ای 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 روش‌ها استفاده کرده‌ایم، نیاز به داده‌های برچسب‌دار وجود داشت که به‌‌جای برچسب‌دارکردن خروجی‌ها توسط خبرگان و به‌صورت دستی از یکی از روش‌های تصمیم‌گیری چندمعیاره (MCDM) به‌نام «تاپسیس» کمک گرفته شده است. در این روش وزن‌های معیارهای ارزیابی با استفاده از روش آنتروپی به‌صورت خودکار محاسبه گردیده است. در نهایت، رتبه‌بندی 791 وب‌سایت‌ خبری که بر اساس گزارش «الکسا» بیشترین بازدیدکننده از طرف کاربران ایرانی را داشته‌اند، با روش «تاپسیس» حاصل شد، ولی از سمت دیگر ارائه یک رتبه عددی به‌عنوان خروجی نهایی ارزیابی وب‌سایت‌ها چندان با هدف رقابت آن‌ها همخوانی ندارد. به‌همین خاطر، از این رتبه‌های عددی به‌عنوان خروجی روش‌های یادگیری ماشین به‌‌جای رتبه‌بندی خبرگان و افراد استفاده گردید تا بتوان وب‌سایت‌ها را در شش طبقه جداگانه، از بسیار عالی تا بسیار ضعیف، برچسب‌دار نمود. در ادامه، از روش‌های یادگیری ماشین ذکرشده جهت طبقه‌بندی و همچنین، پیش‌بینی طبقه یک وب‌سایت جدید استفاده شده‌ است. در نهایت، این پژوهش به این نتیجه رسید که امکان طراحی سیستمی با دقت بالا برای ارزیابی وب‌سایت‌های خبری با روش شبکه عصبی و ماشین بردار پشتیبان وجود دارد، به‌گونه‌ای که این سیستم از عوامل مهم تأثیرگذار بر کیفیت وب‌سایت‌های خبری تشکیل شده و به‌صورت خودکار قابلیت جمع‌آوری اطلاعات آن‌ها وجود داشته باشد.