4. Veracity measuring process of we

4. Veracity measuring process of web event via uncertainty
According to the discussion in last section, web event veracity
computing via uncertainty is influenced by multi-factors such as attribute
uncertainty, webpage uncertainty, website confidence and
distributions among these factors. Uncertainty of attribute and webpage
influence each other according to the attributes distribution on
webpages. Based on the webpages we can get website confidence
which lay the foundation for later computation. Furthermore, the
website confidence and the classified webpage uncertainty influence
each other according to the classified webpages distribution on websites.
One classified webpage equals to one sub-event, so we finally
get veracity of web event via uncertainty according to the uncertainty
of features and confidence of corresponding website through
two distributions shown in Fig. 4 .
In Fig. 4, we can find that for a web event it is supported by a
classified webpage set ϕ, where ϕ = {ϕ1, ϕ2, ... , ϕn(ϕ)} and n(ϕ)
is the number of classified webpages supporting corresponding web
event. Classified webpage set interacts with website set ws, where
ws = {ws1, ws2, . . . , wsn(ws)}, and n(ws) is the number of websites
reporting corresponding web event, according to the classified webpages
distribution on websites χ. Webpage set η about a web event
e includes all the webpages in all websites, which can be denoted
as η = {η1, η2, ... , ηn(ws)}, where ηi is a webpage set including
all the webpages in the ith website belonging to specific web event,
and can be denoted by ηi = {ηi1, ηi2,..., ηin(ηi)} . n(ηi) is the number
of webpages in the ith website related to web event e. In the
same way, attribute set λ includes all the attributes, which can be
denoted by λ = {λ1, λ2,..., λn(ws)} , where λi is an attribute set including
all the attributes in the ith website, and can be denoted by
λi = {λ11, λi2,..., λin(λi)} . n(λi) is the number of attributes in the ith
website related to web event e. Webpage set and attribute set interact
with each other according to the attributes distribution vector on
webpages →
π= (π1,π2,...,πn(ws))
T .
Based on the analysis described above, the veracity computation
of web event via uncertainty can be divided into three parts:
1) How the attributes distribution on webpages influences the veracity
of web event via uncertainty. In this part, based on the attributes
distribution on webpages, we compute the event attribute
uncertainty, webpage uncertainty and webpage based website
confidence.
2) How the uncertainty of classified webpages and confidence of
websites influences the veracity of web event. In this part, based
on the classified webpages distribution on websites, we measure
the uncertainty of classified webpage, which describes different
sub-event, classified webpages, of a web event.
3) Veracity of web event is computed based on the uncertainty of
classified webpage and confidence of corresponding website.
4.1. Measuring of attribute uncertainty and website confidence
After the discussion of basic event features of web event, we introduce
some deductions as the guidance for the veracity measuring
process of web event via its uncertainty and website confidence. Besides,
these event features make the process visible to us which make
it easy to find some common rules.
Deduction 1. If all the websites support the entire event attributes
shown as πi in Fig. 3, then the uncertainty of webpage c(ηij) and
the uncertainty of webpage attributes es(λij) should be low, and the
veracity of web event via uncertainty will arrive the highest point
since all the websites have same view on the event.
Deduction 2. If most of attributes of a web event are provided by few
webpages which distributed on different websites, the uncertainty of
webpage c(ηij) and the uncertainty of webpage attributes es(λij) will
be high, and the veracity of web event via uncertainty will also be
low.
Based on Deductions 1 and 2, which analyzed how attributes and
webpages contribute to the veracity of web event via uncertainty
through the event attributes distribution on webpages πi, we choose
an iterative computational process to implicitly compute the veracity
of web event via uncertainty using attributes distribution on webpages.
At each iteration process, the webpage uncertainty and the
event attribute uncertainty are inferred from each other as follows:
c(ηij) = 1
n(λi) n=1 πi
jn
n


(λi)
n=1
(es(λin)πi
jn) (4)
where c(ηij) denotes the uncertainty of webpage ηij; es(λij) denotes
the uncertainty of attribute λij; πi
jn denotes whether the attribute
λin exists in webpage ηij or not; n is the order of event attribute; and
n(λi)
n=1 πi
m is the number of attributes in webpage ηij.
Note that webpage ηij is different from classified webpageϕi when
ηij denotes the webpages from a website andϕi denotes one classified
webpage supporting a subordinated web event.
Eq. (4) assigns the average uncertainty of attributes to the uncertainty
of corresponding webpage. According to Deductions 1 and 2,
uncertainty of event attributes can be got by the uncertainty of webpages
that they belong to. After getting the uncertainty of webpage
based on Eq. (4), we can easily get the certain degree as 1−c(ηij).
Then, 
0

ผลลัพธ์ (ไทย) 1:

4. veracity วัดกระบวนการของเหตุการณ์เว็บผ่านความไม่แน่นอนตามการอภิปรายในส่วนสุดท้าย เว็บ veracity เหตุการณ์คอมพิวเตอร์ผ่านความไม่แน่นอนได้รับอิทธิพลจากหลายปัจจัยเช่นแอททริบิวต์ความไม่แน่นอน ความไม่แน่นอนของเว็บเพจ เว็บไซต์ความมั่นใจ และการกระจายระหว่างปัจจัยเหล่านี้ ความไม่แน่นอนของแอตทริบิวต์และเว็บเพจมีอิทธิพลต่อกันตามคุณลักษณะของการกระจายในเว็บเพจ ใช้บนเว็บเพจที่ เราจะได้รับความมั่นใจของเว็บไซต์ซึ่งวางรากฐานสำหรับการคำนวณในภายหลัง นอกจากนี้ การเว็บไซต์ความมั่นใจและอิทธิพลเพลับความไม่แน่นอนอื่น ๆ ตามการกระจายลับเว็บเพจบนเว็บไซต์เว็บเพจลับหนึ่งเท่ากับหนึ่งเหตุการณ์ย่อย ดังนั้นเราในที่สุดรับ veracity เว็บเหตุการณ์ผ่านความไม่แน่นอนตามที่ความไม่แน่นอนคุณลักษณะและความเชื่อมั่นของเว็บไซต์ที่เกี่ยวข้องผ่านการกระจายสองปรากฏใน Fig. 4ใน Fig. 4 เราสามารถพบว่า มีเหตุการณ์เว็บ นี้สนับสนุนการϕ ตั้งค่าหน้าเว็บลับที่ϕ = { ϕ1, ϕ2,..., ϕn(ϕ) } และ n(ϕ)จำนวนเว็บที่เกี่ยวข้องสนับสนุนเว็บลับเหตุการณ์ ชุดลับเพโต้ตอบกับเว็บไซต์ชุด ws ที่ws = { ws1, ws2,..., wsn(ws) }, และ n(ws) เป็นหมายเลขของเว็บไซต์รายงานเหตุการณ์เว็บที่สอดคล้องกัน ตามเว็บลับกระจายบนเว็บไซต์χηเกี่ยวกับเหตุการณ์เว็บตั้งค่าเว็บเพอีมีเว็บเพจทั้งหมดในเว็บไซต์ทั้งหมด ซึ่งสามารถแทนได้เป็นη = { η1, η2,..., ηn(ws) }, ที่ ηi เป็นเว็บเพจที่ตั้งค่ารวมถึงเว็บเพจที่ในไซต์ระยะของเว็บเฉพาะเหตุการณ์และสามารถแทนได้ ด้วย ηi = { ηi1, ηi2,..., ηin(ηi) } n(ηi) คือ หมายเลขเว็บเพจที่ในไซต์ระยะที่เกี่ยวข้องกับเว็บเหตุการณ์ e ในเหมือนทาง λตั้งค่าแอตทริบิวต์มีทั้งหมดในแอตทริบิวต์ ซึ่งสามารถสามารถบุจากλ = { λ1, λ2,..., λn(ws) }, ที่ λi เป็นแอตทริบิวต์ที่กำหนดรวมทั้งแอตทริบิวต์ทั้งหมดในเว็บไซต์ระยะ และสามารถแทนได้ด้วยΛi = { λ11, λi2,..., λin(λi) } n(λi) คือ หมายเลขของแอตทริบิวต์ในระยะเว็บไซต์ที่เกี่ยวข้องเพื่อเว็บเหตุการณ์อีเว็บเพจ และโต้ตอบการตั้งค่าแอตทริบิวต์กันตามเวกเตอร์แจกแอตทริบิวต์ในเว็บเพจ→Π = (π1,π2,...,πn(ws))Tตามอธิบายไว้ข้างต้น การวิเคราะห์คำนวณ veracityเว็บ เหตุการณ์ผ่านความไม่แน่นอนสามารถแบ่งออกเป็นสามส่วน:1 วิธีแจกจ่ายแอตทริบิวต์บนเว็บเพจที่มีผลต่อที่ veracityงานเว็บผ่านความไม่แน่นอน ในส่วนนี้ ตามแอททริบิวต์กระจายบนเว็บเพจ เราคำนวณคุณลักษณะเหตุการณ์ความไม่แน่นอน ความไม่แน่นอนของเว็บเพจ และเว็บไซต์เว็บเพจขึ้นความเชื่อมั่น2) ว่าความไม่แน่นอนของเว็บเพจลับและความเชื่อมั่นของเว็บไซต์ที่มีผลต่อ veracity เว็บเหตุการณ์ ในส่วนนี้ ตามในการกระจายลับเว็บเพจบนเว็บไซต์ เราวัดความไม่แน่นอนของเพลับ ซึ่งอธิบายถึงความแตกต่างกันเหตุการณ์ย่อย เว็บลับ งานเว็บ3) veracity เหตุการณ์เว็บจะคำนวณตามความไม่แน่นอนของจัดเว็บเพจและความเชื่อมั่นของเว็บไซต์ที่เกี่ยวข้อง4.1 การวัดความเชื่อมั่นความไม่แน่นอนและเว็บไซต์แอตทริบิวต์หลังจากการอภิปรายของเหตุการณ์พื้นฐานของเว็บเหตุการณ์ เราแนะนำบางหักเป็นคำแนะนำสำหรับวัด veracityกระบวนการของเหตุการณ์เว็บผ่านความเชื่อมั่นความไม่แน่นอนและเว็บไซต์ สำรองคุณลักษณะเหตุการณ์เหล่านี้ทำให้การมองเห็นเราทำให้เป็นเรื่องง่ายในการค้นหากฎทั่วไปบางอย่างหัก 1 ถ้าเว็บไซต์ทั้งหมดสนับสนุนคุณลักษณะเหตุการณ์ทั้งหมดแสดงเป็น πi ใน Fig. 3 แล้วที่ความไม่แน่นอนของเว็บเพ c(ηij) และความไม่แน่นอนของเว็บเพ es(λij) แอตทริบิวต์ควรต่ำ และveracity เว็บเหตุการณ์ผ่านความไม่แน่นอนจะมาถึงจุดสูงสุดเนื่องจากเว็บไซต์ทั้งหมดมีมุมมองเดียวในเหตุการณ์หัก 2 ถ้าแอตทริบิวต์ของเหตุการณ์เว็บส่วนใหญ่มีน้อยเว็บที่เผยแพร่บนเว็บไซต์อื่น ความไม่แน่นอนของเพ c(ηij) และความไม่แน่นอนของเพแอตทริบิวต์ es(λij)ได้รับ และยังจะ veracity เว็บเหตุการณ์ผ่านความไม่แน่นอนต่ำสุดหัก 1 และ 2 ซึ่งวิเคราะห์ว่าคุณลักษณะ และเว็บเพจร่วม veracity เว็บเหตุการณ์ผ่านความไม่แน่นอนผ่านคุณลักษณะเหตุการณ์การแจกจ่ายบนเว็บเพจ πi เราเลือกกระบวนการคำนวณซ้ำการคำนวณที่ veracity นัยเว็บ เหตุการณ์ผ่านความไม่แน่นอนโดยใช้คุณลักษณะการกระจายบนเว็บเพจในแต่ละกระบวนการเกิดซ้ำ ความไม่แน่นอนเว็บเพจและความไม่แน่นอนคุณลักษณะเหตุการณ์มีเอเชียกันดังนี้:c(ηij) = 1 n(λi) n = πi ที่ 1jnn(Λi)n = 1(πi เอส (λin)jn) (4)ที่ c(ηij) แสดงถึงความไม่แน่นอนของเว็บเพ ηij หมายถึง es(λij)ความไม่แน่นอนของแอตทริบิวต์ λij Πijn แสดงว่าแอททริบิวต์Λin มีอยู่ในเว็บเพ ηij หรือ ไม่ n คือ ลำดับของแอททริบิวต์เหตุการณ์ และ n(λi)n = 1 πim คือ จำนวนของแอตทริบิวต์ในเว็บเพ ηijหมายเหตุเว็บเพ ηij ที่แตกต่างจาก webpageϕi ลับเมื่อΗij หมายถึงเว็บเพจจากเว็บไซต์ andϕi การแสดงหนึ่งประเภทสนับสนุนเหตุการณ์รองเว็บเพจEq. (4) ความไม่แน่นอนโดยเฉลี่ยของแอตทริบิวต์ที่กำหนดให้กับความไม่แน่นอนที่ของเว็บเพจที่เกี่ยวข้อง ตามหัก 1 และ 2สามารถมีความไม่แน่นอนของแอตทริบิวต์ของเหตุการณ์ โดยความไม่แน่นอนของเว็บเพจว่า จะเป็นการ หลังจากได้รับความไม่แน่นอนของเว็บเพจตาม Eq. (4), เราจะเอาระดับที่เป็น 1−c(ηij)แล้ว 0(Πi (c(ηin) 1 −)nj) เป็นระดับแน่นอนแล้วλij แอตทริบิวต์และ 1 − 0(Πi (c(ηin) 1 −)nj) คือ ความไม่แน่นอนของแอตทริบิวต์ λijes(Λij) = 1 − 0(Πi (c(ηin) 1 −)nj) (5)ที่ es(Λij) เป็นตัวแปรเสริมที่ใช้จะได้รับความไม่แน่นอนของแอททริบิวต์es(λij) ความหมายของตัวแปรอื่น ๆ สอดคล้องกับข้างต้นคำอธิบายเกี่ยวกับการตารางที่ 1เหตุการณ์ลักษณะและสัญลักษณ์ที่ใช้ในเอกสารของเราชื่อสัญลักษณ์เว็บเหตุการณ์ eเว็บเพจลับ ϕijคุณลักษณะเหตุการณ์ Kแจกของลับเว็บเพจต่าง ๆ บนเว็บไซต์χคล้ายผมเว็บไซต์ wsiเว็บเพจในเว็บไซต์ ηijเว็บเพ λij แอตทริบิวต์กระจายของเว็บเพจต่าง ๆ ในเว็บไซต์ πiเว็บเหตุการณ์ veracity ver(e)Uc(e) เว็บเหตุการณ์ความไม่แน่นอนเว็บเพ c(ηij) ความไม่แน่นอนลับเพ c(ϕi) ความไม่แน่นอนความมั่นใจเว็บไซต์ T(wsi)เว็บเพจจากเว็บไซต์มั่นใจ t(wsi)ความไม่แน่นอนของเพแอตทริบิวต์ es(λij)เพื่อช่วยในการคำนวณและการสำรวจ veracity เราทำการแปลงบางรายการดังนี้es(Λij) = 1 − 0(Πi (c(ηin) 1 −)nj)Es 1 −(Λij) = 0(Πi (c(ηin) 1 −)nj) (6)ln (es 1 −(Λij)) = 0ln (πi (c(ηin) 1 −)nj)ความไม่แน่นอนของแอตทริบิวต์ได้กำไรดังนี้es(λij) = ln − (1 − es(Λij)) = −0ln (πi (c(ηin) 1 −)nj) (7)จนถึงขณะนี้ เราได้รับความไม่แน่นอนแอตทริบิวต์และความไม่แน่นอนที่เว็บเพจใช้การแจกแจงคุณลักษณะบนเว็บเพจ (ตาราง 1) และเว็บเพจที่ใช้ความมั่นใจเว็บไซต์ (สามารถบุ ด้วย t(wsi) ซึ่งวางสามารถวัดเป็นพื้นฐานของการใช้งานเว็บไซต์มั่นใจ)โดยค่าเฉลี่ยของระดับของเว็บเพจ:t(wsi) = 1nnq = 1(1 − c(ηiq)) (8)มาตรการ eq. (8) เว็บเพจที่ใช้ความมั่นใจของเว็บไซต์ในระหว่างรอบระยะเวลา n คือ จำนวนเว็บเพจในเว็บไซต์ที่เกี่ยวข้องΗiq หมายถึง เว็บเพจที่ให้ wsi เว็บไซต์ q เป็นการลำดับของเพจในเว็บไซต์ที่เกี่ยวข้องตามที่อธิบายไว้ข้างต้น เราสามารถอนุมานตามเว็บเพจทั้งเว็บไซต์คอน-fidence และทั้งความไม่แน่นอนของเว็บเพจและแอตทริบิวต์ในระหว่างกระบวนการเกิดซ้ำ กระบวนการเกิดซ้ำจะสิ้นสุดลงเมื่อการคำนวณถึงสถานะมั่นคง ในแนวทางอื่นซ้ำ เราเลือกความไม่แน่นอนเริ่มต้นของแอตทริบิวต์ที่มีค่าสม่ำเสมอ4.2 การวัดความไม่แน่นอนของเว็บเพจที่ลับและความเชื่อมั่นของเว็บไซต์ตามการสนทนาข้างต้น การแจกจ่ายระหว่างลับเว็บเพจและเว็บไซต์บางส่วนกำหนด veracity ของเหตุการณ์เว็บผ่านความไม่แน่นอน ดังนั้นเราให้หักอีกสองเป็นต่อไปนี้:หัก 3 ความไม่แน่นอนของลับเพ c(ϕi) ลดลงด้วยเพิ่มความมั่นใจเว็บไซต์ T(wsi)สำหรับเว็บเพจที่ลับของเหตุการณ์ในเว็บ ถ้าพวกเขาได้รับการสนับสนุนโดยทุกมากอนุญาตเว็บไซต์ (เช่น การความมั่นใจสูงให้สอดคล้องกับจัดการเว็บไซต์), เว็บเพจจะบางมากหัก 4 ความมั่นใจเว็บไซต์ T(wsi) ได้รับผลกระทบจากความไม่แน่นอนที่ของลับเพ c(ϕi)

ผลลัพธ์ (ไทย) 2:

4. ความจริงขั้นตอนการวัดของเหตุการณ์เว็บผ่านความไม่แน่นอน
ตามที่อภิปรายในส่วนสุดท้ายเหตุการณ์เว็บจริง
คอมพิวเตอร์ผ่านทางความไม่แน่นอนได้รับอิทธิพลจากปัจจัยหลายอย่างเช่นแอตทริบิวต์
ความไม่แน่นอนความไม่แน่นอนของหน้าเว็บ, ความเชื่อมั่นของเว็บไซต์และ
การกระจายท่ามกลางปัจจัยเหล่านี้ ความไม่แน่นอนของแอตทริบิวต์และหน้าเว็บที่
มีอิทธิพลต่อกันและกันตามคุณลักษณะที่กระจายบน
หน้าเว็บ จากบนหน้าเว็บของเราจะได้รับความเชื่อมั่นของเว็บไซต์
ซึ่งวางรากฐานสำหรับการคำนวณในภายหลัง นอกจากนี้
ความเชื่อมั่นของเว็บไซต์และมีอิทธิพลต่อความไม่แน่นอนของหน้าเว็บที่จัด
กันไปตามการกระจายหน้าเว็บโฆษณาบนเว็บไซต์.
หนึ่งหน้าเว็บโฆษณาเท่ากับหนึ่งย่อยเหตุการณ์ดังนั้นในที่สุดเราก็
รับความจริงของเหตุการณ์เว็บผ่านความไม่แน่นอนตามความไม่แน่นอน
ของคุณสมบัติและความเชื่อมั่น ของเว็บไซต์ที่เกี่ยวข้องผ่าน
สองการแจกแจงแสดงในรูป 4.
ในรูป 4 เราจะพบว่าสำหรับเหตุการณ์เว็บได้รับการสนับสนุนโดย
หน้าเว็บโฆษณาชุดφที่φ = {φ1, φ2 ... , φn (φ)} และ n (φ)
คือจำนวนของหน้าเว็บโฆษณาสนับสนุนที่สอดคล้องกัน เว็บ
เหตุการณ์ ชุดหน้าเว็บจำแนกโต้ตอบกับ WS ชุดเว็บไซต์ที่
WS = {WS 1, WS2, . . , WSN (WS)} และ n (WS) เป็นจำนวนของเว็บไซต์
การรายงานเหตุการณ์เว็บที่สอดคล้องตามหน้าเว็บโฆษณา
กระจายบนเว็บไซต์χ หน้าเว็บชุดηเกี่ยวกับเหตุการณ์เว็บ
อีรวมถึงทุกหน้าเว็บในทุกเว็บไซต์ซึ่งสามารถแสดง
เป็นη = {η1, η2 ... , ηn (WS)} ที่ηiเป็นชุดหน้าเว็บรวมทั้ง
หน้าเว็บทั้งหมดที่อยู่ใน เว็บไซต์บอดที่อยู่ในประเภทเหตุการณ์เว็บที่เฉพาะเจาะจง
และสามารถแสดงโดยηi = {ηi1, ηi2 ... , ηin (ηi)} n (ηi) คือจำนวน
ของหน้าเว็บในเว็บไซต์บอดที่เกี่ยวข้องกับเหตุการณ์ทาง e เว็บ ใน
ทางเดียวกัน, ตั้งค่าแอตทริบิวต์λรวมถึงคุณลักษณะทั้งหมดซึ่งสามารถ
แสดงโดยλ = {λ1, λ2 ... , λn (WS)} ที่λiเป็นคุณลักษณะที่กำหนดรวมถึง
คุณลักษณะทั้งหมดที่อยู่ในเว็บไซต์ที่ i, และสามารถแสดงโดย
λi = {λ11, λi2 ... , λin (λi)} n (λi) เป็นจำนวนของคุณลักษณะในบอด
เว็บไซต์ที่เกี่ยวข้องกับเหตุการณ์ทาง e เว็บ หน้าเว็บการตั้งค่าและการตั้งค่าแอตทริบิวต์โต้ตอบ
กับแต่ละอื่น ๆ ตามการกระจายคุณลักษณะเวกเตอร์บน
หน้าเว็บ→
Pi ที่ = (π1, π2 ... , πn (WS))
T.
จากการวิเคราะห์ที่อธิบายไว้ข้างต้นการคำนวณความจริง
ของเหตุการณ์ผ่านทางเว็บ ความไม่แน่นอนสามารถแบ่งออกเป็นสามส่วน:
1) การกระจายคุณลักษณะบนหน้าเว็บที่มีอิทธิพลต่อความจริง
ของเหตุการณ์เว็บผ่านความไม่แน่นอน ในส่วนนี้ขึ้นอยู่กับลักษณะ
การกระจายบนหน้าเว็บของเราคำนวณเหตุการณ์แอตทริบิวต์
ความไม่แน่นอนความไม่แน่นอนของหน้าเว็บและหน้าเว็บของเว็บไซต์ตาม
ความเชื่อมั่น.
2) ความไม่แน่นอนของหน้าเว็บโฆษณาและความเชื่อมั่นของ
เว็บไซต์ที่มีอิทธิพลต่อความจริงของเหตุการณ์ที่เว็บ ในส่วนนี้ขึ้นอยู่
กับการจัดจำหน่ายหน้าเว็บโฆษณาบนเว็บไซต์ของเราวัด
ความไม่แน่นอนของหน้าเว็บโฆษณาซึ่งอธิบายที่แตกต่างกัน
ของเหตุการณ์ย่อยหน้าเว็บจัดของเหตุการณ์เว็บ.
3) ความจริงของเหตุการณ์เว็บที่คำนวณขึ้นอยู่กับความไม่แน่นอนของ
การจัดประเภท หน้าเว็บและความเชื่อมั่นของเว็บไซต์ที่เกี่ยวข้อง.
4.1 วัดของความไม่แน่นอนและความเชื่อมั่นแอตทริบิวต์เว็บไซต์
หลังจากการอภิปรายของคุณสมบัติพื้นฐานของเหตุการณ์เหตุการณ์ที่เว็บเราแนะนำ
การหักเงินบางส่วนเป็นแนวทางสำหรับความจริงวัด
กระบวนการของการจัดงานเว็บผ่านความไม่แน่นอนและความเชื่อมั่นทางเว็บไซต์ของ บริษัท นอกจากนี้ยังมี
คุณสมบัติที่เหตุการณ์เหล่านี้ทำให้กระบวนการมองเห็นเราที่ทำให้
ง่ายต่อการค้นหากฎระเบียบบางอย่างร่วมกัน.
หัก 1. ถ้าเว็บไซต์ทั้งหมดสนับสนุนคุณลักษณะเหตุการณ์ทั้งหมด
แสดงให้เห็นว่าπiในรูป 3 แล้วความไม่แน่นอนของหน้าเว็บค (ηij) และ
ความไม่แน่นอนของคุณลักษณะหน้าเว็บ es (λij) ควรจะต่ำและ
ความจริงของเหตุการณ์เว็บผ่านความไม่แน่นอนจะมาถึงจุดที่สูงที่สุด
ตั้งแต่เว็บไซต์ทั้งหมดมีมุมมองเดียวกันกับเหตุการณ์.
หัก 2. ถ้าส่วนใหญ่ของคุณลักษณะของเหตุการณ์เว็บที่ให้บริการโดยไม่กี่
หน้าเว็บซึ่งกระจายอยู่บนเว็บไซต์ที่แตกต่างกัน, ความไม่แน่นอนของ
หน้าเว็บค (ηij) และความไม่แน่นอนของคุณลักษณะหน้าเว็บ es (λij) จะ
เป็นสูงและความจริงของเหตุการณ์ผ่านทางเว็บ ความไม่แน่นอนยังจะ
ต่ำ.
จาก 1 และ 2 ลดลงซึ่งวิธีวิเคราะห์คุณลักษณะและ
หน้าเว็บที่นำไปสู่ความจริงของเหตุการณ์เว็บผ่านความไม่แน่นอน
ผ่านแอตทริบิวต์เหตุการณ์กระจายบนหน้าเว็บπiเราเลือก
กระบวนการคำนวณซ้ำไปโดยปริยายคำนวณความจริง
ของเว็บ . เหตุการณ์ผ่านความไม่แน่นอนโดยใช้คุณลักษณะการกระจายบนหน้าเว็บ
ในแต่ละขั้นตอนการย้ำความไม่แน่นอนหน้าเว็บและ
เหตุการณ์แอตทริบิวต์ความไม่แน่นอนจะสรุปจากแต่ละอื่น ๆ ดังต่อไปนี้:
ค (ηij) = 1
n (λi) n = 1 πi
JN
n (λi) n = 1 (es (λin) πi JN) (4) ที่ c (ηij) หมายถึงความไม่แน่นอนของหน้าเว็บηij; es (λij) หมายถึงความไม่แน่นอนของแอตทริบิวต์λij; πi JN หมายถึงว่าแอตทริบิวต์λinอยู่ในηijหน้าเว็บหรือไม่ n เป็นลำดับของเหตุการณ์แอตทริบิวต์; และn (λi) n = 1 πi m คือจำนวนของคุณลักษณะในηijหน้าเว็บ. หมายเหตุηijหน้าเว็บที่แตกต่างจากwebpageφiจัดเมื่อηijหมายถึงหน้าเว็บจากandφiเว็บไซต์หมายถึงประเภทหนึ่งหน้าเว็บสนับสนุนเหตุการณ์เว็บด้อยสิทธิ. สม (4) กำหนดความไม่แน่นอนเฉลี่ยของคุณลักษณะความไม่แน่นอนของหน้าเว็บที่เกี่ยวข้อง ตามที่หัก 1 และ 2, ความไม่แน่นอนของคุณลักษณะเหตุการณ์สามารถจะได้รับจากความไม่แน่นอนของหน้าเว็บที่พวกเขาอยู่ หลังจากที่ได้รับความไม่แน่นอนของหน้าเว็บที่อยู่บนพื้นฐานของสมการ (4) เราสามารถได้รับการศึกษาระดับปริญญาบางอย่าง 1-C (ηij). แล้ว?  0






















((1 - ค (ηin)) πi
NJ) คือการศึกษาระดับปริญญามั่นใจเสร็จ
λijแอตทริบิวต์และ 1 - 
0((1 - ค (ηin)) πi
NJ) คือความไม่แน่นอนของ
แอตทริบิวต์λij.
es?
(λij) = 1 - 
0((1 - ค (ηin)) πi
NJ) (5)
? ที่ es
(λij) เป็นตัวแปรเสริมที่ใช้ในการได้รับความไม่แน่นอนแอตทริบิวต์
es (λij) ความหมายของตัวแปรอื่น ๆ เป็นไปตามข้างต้น
คำอธิบาย.
ตารางที่ 1
คุณสมบัติเหตุการณ์และสัญลักษณ์ที่ใช้ในกระดาษของเรา.
ชื่อสัญลักษณ์
เว็บเหตุการณ์อี
จำแนกเว็บเพจφij
แอตทริบิวต์ K เหตุการณ์
การแพร่กระจายของหน้าเว็บโฆษณาบนเว็บไซต์χ
คล้ายคลึงกันฉัน
เว็บไซต์ WSI
หน้าเว็บในηijเว็บไซต์
คุณลักษณะหน้าเว็บλij
กระจายของหน้าเว็บในเว็บไซต์πi
ความจริงเหตุการณ์เว็บเวอร์ชั่น (จ)
ความไม่แน่นอนของเหตุการณ์เว็บ UC (จ)
ความไม่แน่นอนของหน้าเว็บค (ηij)
จำแนกหน้าเว็บไม่แน่นอนค (φi)
ความเชื่อมั่นของเว็บไซต์ T (WSI)
ความเชื่อมั่นของเว็บไซต์เว็บเพจ based ตันขึ้นไป (WSI)
ความไม่แน่นอนของคุณลักษณะหน้าเว็บ es (λij)
เพื่อที่จะอำนวยความสะดวกในการคำนวณและการสำรวจความจริงที่เรา
ทำเปลี่ยนแปลงบางอย่างดังต่อไปนี้.
es?
(λij) = 1 - 
0((1 - ค (ηin)) πi
NJ)
1 -? es
(λij) = 
0((1 - ค (ηin)) πi
NJ) (6)
ln (1 -? es
(λij)) = 0

ln ((1 - ค (ηin)) πi
NJ)
คุณสมบัติความไม่แน่นอนสามารถกําไรดังนี้.
es (λij) = - ln (1 - es?
(λij)) = - 0

ln ((1 - ค (ηin)) πi
NJ) (7)
จนถึงขณะนี้เราได้รับความไม่แน่นอนแอตทริบิวต์และความไม่แน่นอนของหน้าเว็บ
โดยใช้คุณลักษณะการกระจายบนหน้าเว็บ (ตารางที่ 1) และ
หน้าเว็บตามความเชื่อมั่นของเว็บไซต์ (แสดงโดย t (WSI) ซึ่งวาง
รากฐานของการคำนวณความเชื่อมั่นของเว็บไซต์) สามารถวัดได้
โดยเฉลี่ยของระดับหนึ่งของหน้าเว็บ:
T (WSI) = 1
n n q = 1 (1 - ค ( ηiq)) (8) สมการ (8) วัดหน้าเว็บตามความเชื่อมั่นของเว็บไซต์ในช่วงระยะเวลาหนึ่ง; n คือจำนวนของหน้าเว็บในเว็บไซต์ที่เกี่ยวข้อง; ηiqหมายความว่าหน้าเว็บที่มีให้โดย WSI เว็บไซต์; Q เป็นคำสั่งของหน้าเว็บในเว็บไซต์ที่เกี่ยวข้อง. ตามที่อธิบายไว้ข้างต้นเราสามารถสรุปหน้าเว็บตามเว็บไซต์อย่างต่อfidence และความไม่แน่นอนของหน้าเว็บและแอตทริบิวต์ในระหว่างขั้นตอนการทำซ้ำ กระบวนการซ้ำสิ้นสุดลงเมื่อคำนวณถึงรัฐที่มีเสถียรภาพ ในขณะที่วิธีการซ้ำอื่น ๆ ที่เราเลือกไม่แน่นอนเริ่มต้นของคุณลักษณะที่มีค่าเครื่องแบบ. 4.2 ความไม่แน่นอนของการวัดของหน้าเว็บโฆษณาและความเชื่อมั่นของเว็บไซต์ตามการสนทนาข้างต้นกระจายระหว่างหน้าเว็บโฆษณาและเว็บไซต์บางส่วนตรวจสอบความจริงของเหตุการณ์เว็บผ่านความไม่แน่นอนดังนั้นเราจะให้อีกสองหักเป็นดังต่อไปนี้: หัก 3. ความไม่แน่นอนของหน้าเว็บโฆษณา ค (φi) ลดลงด้วยการเพิ่มขึ้นของความเชื่อมั่นของเว็บไซต์ T (WSI). สำหรับหน้าเว็บโฆษณาเว็บของเหตุการณ์ถ้าพวกเขาได้รับการสนับสนุนโดยทุกชนิดของเว็บไซต์อำนาจมาก (เช่นความเชื่อมั่นสูงเว็บไซต์), หน้าเว็บโฆษณาที่เกี่ยวข้องมีมาก บางอย่าง. หัก 4. ความเชื่อมั่นของเว็บไซต์ T (WSI) ได้รับผลกระทบจากความไม่แน่นอนของหน้าเว็บคจัด (φi)

ผลลัพธ์ (ไทย) 3:

4 . คำพูดของเว็บผ่านกระบวนการวัดเหตุการณ์ความไม่แน่นอน
ตามการอภิปรายในส่วนสุดท้าย เว็บเหตุการณ์จริง
คอมพิวเตอร์ผ่านความไม่แน่นอนนี้ได้รับอิทธิพลจากหลายปัจจัย เช่น แอททริบิวต์
ความไม่แน่นอน เว็บเพจ ความไม่แน่นอน และมั่นใจเว็บไซต์
การแจกแจงของปัจจัยเหล่านี้ ความไม่แน่นอนของแอตทริบิวต์และหน้าเว็บ
อิทธิพลซึ่งกันและกันตามการคุณลักษณะใน
หน้าเว็บ ตามหน้าเว็บ เราสามารถทำให้เว็บไซต์มั่นใจ
ซึ่งวางรากฐานสำหรับการคำนวณในภายหลัง นอกจากนี้ ความเชื่อมั่น และ การจัดหน้าเว็บ
เว็บไซต์ความไม่แน่นอนอิทธิพล
แต่ละอื่น ๆตามการจัดหน้าเว็บกระจายบนเว็บไซต์ .
หนึ่งจัดหน้าเว็บเท่ากับเหตุการณ์ย่อย ดังนั้นในที่สุดเรา
เอาความเป็นจริงของเหตุการณ์เว็บผ่านความไม่แน่นอนตามความไม่แน่นอน
คุณสมบัติและความเชื่อมั่นของเว็บไซต์ที่แสดงในรูปที่ 2 การกระจายผ่าน

4 . ในรูปที่ 4 เราสามารถหาที่เว็บเหตุการณ์ได้รับการสนับสนุนโดย
จัดชุดϕหน้าเว็บซึ่งϕϕϕ = { 1 , 2 , . . . ϕ } , N ( ϕ ) และ N ( ϕ )
คือจำนวนจัดหน้าเว็บที่สนับสนุนกิจกรรมเว็บ
ที่สอดคล้องกันจัดหน้าเว็บตั้งค่าติดต่อกับ WS กำหนดเว็บไซต์ที่
{ ws1 ws2 WS = , . . . . . . . . , WSN ( WS ) } , N ( WS ) เป็นหมายเลขของเว็บไซต์
รายงานเหตุการณ์เว็บที่สอดคล้องกัน ตามการจัดหน้าเว็บ
กระจายบนเว็บไซต์χ . เว็บชุดηเกี่ยวกับเหตุการณ์เว็บ
E รวมถึงหน้าเว็บทั้งหมดในเว็บไซต์ทั้งหมด ซึ่งสามารถเขียนเป็นη
ηη = { 1 , 2 , . . . η , N ( WS ) } ,ที่ηผมคือเว็บเพจพร้อม
หน้าเว็บทั้งหมดในเว็บไซต์ ith ของเหตุการณ์เว็บเฉพาะ
และสามารถเขียนแทนด้วยη = { η i0 η , I2 , . . . , η ( η I ) } ( ηผม ) คือ จำนวนของหน้าเว็บใน ith
เว็บไซต์ที่เกี่ยวข้องกับกิจกรรมเว็บ . ในทาง
เดียวกัน , ชุดคุณลักษณะλรวมถึงคุณลักษณะทั้งหมดซึ่งสามารถ
แทน โดยλλλ = { 1 , 2 , . . . , λ N ( WS ) } ที่λผมเป็นแอตทริบิวต์
ชุดรวมทั้งคุณสมบัติทั้งหมดในเว็บไซต์ ith และสามารถเขียนแทนด้วย
λ = { λ 11 , λ I2 , . . . , λ ( λ I ) } ( λ ) คือจำนวนของแอตทริบิวต์ใน ith
เว็บไซต์ที่เกี่ยวข้องกับกิจกรรมเว็บเช่นเว็บเพจชุดและชุดคุณลักษณะการโต้ตอบ
กับแต่ละอื่น ๆ ตามลักษณะการกระจายเวกเตอร์บนเว็บ→ keyboard - key - name = (

πππ 1 , 2 , . . . , π N ( WS ) )

ตาม T การวิเคราะห์การคำนวณ
ความจริงที่อธิบายไว้ข้างต้นเว็บงานผ่านความไม่แน่นอนสามารถแบ่งออกเป็นสามส่วน :
1 ) วิธีการกระจายคุณลักษณะบนหน้าเว็บของความจริงของเหตุการณ์ผ่านทางเว็บ
ความไม่แน่นอน ในส่วนนี้ขึ้นอยู่กับการกระจายของ
บนเว็บเพจ เราคำนวณเหตุการณ์คุณลักษณะ
ความไม่แน่นอน ความไม่แน่นอนของหน้าเว็บและหน้าเว็บความมั่นใจเว็บไซต์

2 ) ว่า จากความไม่แน่นอนของการจัดหน้าเว็บและความเชื่อมั่นของ
เว็บไซต์ที่มีเว็บความจริงของเหตุการณ์ ในส่วนนี้ โดยการจัดหน้าเว็บ
บนเว็บไซต์ เราวัด
ความไม่แน่นอนของหน้าเว็บย่อย ซึ่งจะอธิบายเหตุการณ์แตกต่างกัน
ย่อยตามหน้าเว็บของกิจกรรมเว็บ .
3 ) ความเป็นจริงของเหตุการณ์เว็บจะคำนวณตามความไม่แน่นอนของ
จัดหน้าเว็บและความเชื่อมั่นของเว็บไซต์ที่เกี่ยวข้อง .
4.1 .วัดของความไม่แน่นอนและความเชื่อมั่นของการสนทนาของเว็บไซต์
หลังจากเหตุการณ์คุณลักษณะพื้นฐานของกิจกรรมเว็บเราแนะนำ
บางหักเป็นแนวทางสำหรับการวัดกระบวนการจริงของเหตุการณ์ผ่านทางเว็บ
ของความไม่แน่นอนและมั่นใจเว็บไซต์ นอกจากนี้ เหตุการณ์เหล่านี้ทำให้กระบวนการ
คุณสมบัติที่มองเห็นได้ เราทำให้มันง่ายที่จะหา

กฎทั่วไป หัก 1ถ้าเว็บไซต์ทั้งหมดที่สนับสนุนคุณลักษณะเหตุการณ์ทั้งหมด
แสดงเป็นπผมในรูปที่ 3 แล้ว ความไม่แน่นอนของเว็บเพจ C ( η ij ) และความไม่แน่นอนของเว็บเพจ
คุณลักษณะ ES ( λ ij ) ควรจะต่ำ และความเป็นจริงของเหตุการณ์ผ่านทางเว็บ
ความไม่แน่นอนจะมาถึงจุดสูงสุด
ตั้งแต่เว็บไซต์ทั้งหมดมี วิวเดียวกัน ในงาน
หัก 2 ถ้าที่สุดของแอตทริบิวต์ของเหตุการณ์เว็บน้อย
โดยซึ่งเผยแพร่บนเว็บไซต์ที่แตกต่างกัน เว็บเพจ , ความไม่แน่นอนของ
เว็บเพจ C ( η ij ) และความไม่แน่นอนของเว็บเพจของ ES ( λ ij )
จะสูง และความจริงของเหตุการณ์ผ่านทางเว็บความไม่แน่นอนจะ

ตามน้อย หัก 1 และ 2 ซึ่งวิเคราะห์คุณลักษณะและ
เว็บเพจสนับสนุนอย่างไร ความจริงของเหตุการณ์ความไม่แน่นอน
ผ่านเว็บผ่านเหตุการณ์คุณลักษณะการกระจายบนหน้าเว็บπฉัน เราเลือกกระบวนการคำนวณซ้ำไปโดยปริยาย

ของหาข้อเท็จจริงเหตุการณ์เว็บผ่านความไม่แน่นอนโดยใช้คุณลักษณะการกระจายบนหน้าเว็บ .
ในแต่ละซ้ำกระบวนการ เว็บเพจที่ความไม่แน่นอนและความไม่แน่นอน
เหตุการณ์คุณลักษณะทั้งกันดังนี้ :
c ( η ij ) = 1
n ( λ ) n = 1 πผม

n Jn


( λ I )
n = 1
( E ( λในπ
) ฉันชุมทาง ) ( 4 )
เมื่อ C ( η ij ) แสดงถึงความไม่แน่นอนของหน้าเว็บη ij ; และ ( λ ij ) หมายถึง
ความไม่แน่นอนของแอตทริบิวต์λ ij ; πผม

λ Jn หมายถึงว่าคุณลักษณะในที่มีอยู่ในเวปη ij หรือไม่ ; n เป็นลำดับของเหตุการณ์คุณลักษณะ
n ; และ ( λ I )
n = 1 πผม
M คือจำนวนของแอตทริบิวต์ในเวปη ij .
ทราบที่หน้าเว็บη ij จะแตกต่างจากหน้าเว็บϕเมื่อ
จัดη ij แสดงหน้าเว็บจากเว็บไซต์ และϕผมหมายถึงหนึ่งจัด
เว็บเพจสนับสนุนเหตุการณ์เว็บอีคิวด้อย .
( 4 ) กำหนดผลตอบแทนเฉลี่ยคุณลักษณะการความไม่แน่นอนที่
ของเว็บเพจ ตามการหัก 1 และ 2
ความไม่แน่นอนของเหตุการณ์ต่างๆได้จากความไม่แน่นอนของเว็บเพจ
นั่นอยู่เลย หลังจากได้รับความไม่แน่นอนของหน้าเว็บ
จากอีคิว( 4 ) เราสามารถได้รับบางระดับเป็น 1 − C ( η ij ) .
แล้ว 
0 < N ≤ N ( η I )
( 1 − C ( ηใน ) πผม
NJ ) เสร็จแน่นอน :
λ IJ 1 −  และแอตทริบิวต์ ≤ < n
0 N ( η I )
( 1 − C ( ηใน ) πผม
NJ ) คือ ความไม่แน่นอนของแอตทริบิวต์λ IJ
.
.
(  λ ij ) = 1 − 
0 < N ≤ N ( η I )
( 1 − C ( ηใน ) πผม

ที่ NJ ) ( 5 ) และ 
( λ ij ) คือ ตัวแปรที่ใช้รับเสริมคุณลักษณะความไม่แน่นอน
ES ( λ ij )ความหมายของตัวแปรอื่น ๆ ตามข้างบน


รายละเอียด ตารางที่ 1 เหตุการณ์ลักษณะและสัญลักษณ์ที่ใช้ในบทความของเรา สัญลักษณ์

ชื่อเว็บเหตุการณ์ E
จัดหน้าเว็บϕ ij
k
เหตุการณ์คุณลักษณะการจัดหน้าเว็บบนเว็บไซต์χความเหมือนผม


เว็บไซต์จากหน้าเว็บในเว็บไซต์เว็บเพจ ij
ηคุณลักษณะการกระจาย ij
λของหน้าเว็บในเว็บไซต์πเหตุการณ์เว็บผม

( E ) จริง ? ? ? ? ?เว็บเหตุการณ์ความไม่แน่นอน UC ( E )
เว็บเพจความไม่แน่นอน C ( η ij )
จัดหน้าเว็บความไม่แน่นอน C ( ϕ I )
เว็บไซต์มั่นใจ T ( WSI )
เว็บเพจเว็บไซต์ตามความมั่นใจ T ( WSI )
ความไม่แน่นอนของหน้าเว็บของ ES ( λ ij )
เพื่อช่วยในการคำนวณ และสำรวจจริงเรา
ทำ บางแปลง ดังนี้ 
.
( λ ij ) = 1 − 
0 < N ≤ N ( η I )
( 1 − C ( ηใน ) πผม
NJ )
1 − ES 
( λ ij ) = 
0 < N ≤ N ( ηฉัน )
( ( 1 − C ( ηใน ) πผม

( NJ ) 6 ) ln ( 1 − ES 
( λ ij ) ) =

0 < N ≤ N ( η I )
ln ( 1 − C ( ηใน ) πผม

NJ ) ลักษณะไม่แน่นอนสามารถ จะได้รับดังนี้ .
ES ( λ ij ) = − ( − 1 ใน ES 
( λ ij ) ) = −

0 < N ≤ N ( η I )
ln ( 1 − C ( ηใน ) πผม

( NJ ) 7 ) จนถึงตอนนี้ เราได้รับ แอตทริบิวต์ความไม่แน่นอนและความไม่แน่นอน
เว็บเพจใช้คุณลักษณะการกระจายบนหน้าเว็บ ( ตารางที่ 1 ) และ
หน้าเว็บที่ความเชื่อมั่นตามเว็บไซต์ ( แทน โดย T ( WSI ) ซึ่งวางรากฐานของคอมพิวเตอร์ความมั่นใจเว็บไซต์

) สามารถวัดได้โดยเฉลี่ยของระดับหนึ่งของหน้าเว็บ :
t ( WSI ) = 1
n
n
Q = 1
( 1 − C ( η IQ ) ) ( 8 )
อีคิว ( 8 ) วัดเว็บเพจตามความมั่นใจเว็บไซต์ระหว่าง
ระยะเวลา ; n คือจำนวนของหน้าเว็บในเว็บไซต์ที่เกี่ยวข้อง ;
η IQ หมายถึง เว็บเพจโดยเว็บไซต์จาก ; Q คือลำดับของหน้าเว็บในเว็บไซต์เดียวกัน
.
ตามที่อธิบายไว้ข้างต้นเราสามารถสรุปได้ในเว็บเพจเว็บไซต์ตามคอน -
fidence และความไม่แน่นอนของหน้าเว็บและคุณลักษณะระหว่าง
ทำซ้ำกระบวนการ กระบวนการทำซ้ำที่สิ้นสุดลงเมื่อการคำนวณ
ถึงสถานะที่มั่นคง ในแนวทางของเรา
อื่น ๆเลือกคุณลักษณะของความไม่แน่นอนเริ่มต้นด้วยค่าเครื่องแบบ
4.2 . ความไม่แน่นอนของการวัดตามหน้าเว็บและความเชื่อมั่นของเว็บไซต์

ตามการสนทนาข้างต้นการกระจายระหว่าง
จัดหน้าเว็บและเว็บไซต์บางส่วนตรวจสอบความจริงของเหตุการณ์ผ่านทางเว็บ
ความไม่แน่นอน ดังนั้นเราจะให้อีกสอง หักเป็นหัก

ต่อไปนี้ : 3ความไม่แน่นอนของการจัดหน้าเว็บ C ( ϕ ) ลดลงด้วยการเพิ่มขึ้นของเว็บไซต์มั่นใจ
T ( WSI ) .
เพื่อจัดหน้าเว็บของเว็บเหตุการณ์ ถ้าพวกเขาได้รับการสนับสนุนโดยมากอนุญาต
ทุกชนิดของเว็บไซต์ ( เช่น สูงมั่นใจ
เว็บไซต์ ) ที่จัดหน้าเว็บมีมากบาง .
4 หัก . เว็บไซต์มั่นใจ T ( WSI ) ได้รับผลกระทบจากความไม่แน่นอนของเว็บเพจย่อย
C ( ϕฉัน )