مدل ترکیبی هوشمند برای سنجش محتوای وب سایت ها براساس شبکه های عصبی و تئوری اطلاعات متقابل

استفاده بسیار گسترده از وب، منجر به افزایش سطح کمی و کیفی سرویس وب سایت ها گردیده و تاکنون جهت مقایسه و ارزیابی آنها از جنبه های مختلف، روش های زیادی ارائه شده است. در این مقاله به ارائه روشی خواهیم پرداخت که بهصورت هوشمند محتوای وب سایتها را ارزیابی کرده و براساس زمینهی فعالیت آنها، وبسایتی که بهترین و غنیترین اطلاعات را داراست، انتخاب مینماید. این روش مبتنی بر تکنیکهای متن کاوی، شبکه های عصبی و همچنین روش آنتروپی است و در دو مرحله اساسی عمل می کند که عبارتست از: 1 تعیین زمینه فعالیت هر وب سایت به صورت هوشمند با استفاده از سه شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) ، توابع پایه شعاعی (RBF) و یادگیری تدریج بردار (LVQ) - 2 تعیین و مقایسه میزان غنای اطلاعاتی وب سایت ها با استفاده از آنتروپی. روش پیشنهادی با استفاده از 101 وب سایت در زمینه های غذایی، ورزشی و سیاسی ارائه شده است. در نهایت پس از مقایسه و ارزیابی هوشمند محتوای وب سایت ها، از تئوری اطلاعات متقابل (MI) برای سنجیدن میزان وابستگی بین دو متغیر استفاده می شود و بدین ترتیب نتایج قابل قبولی به دست می آید

Keywords:

آنتروپی , تئوری اطلاعات متقابل , شبکه عصبی , متن کاوی