文章的品質和受歡迎程度公式 विद्यापति hi
在哪裡:
- - 是歸一化品質指標
- - 是品質指標的數量
- - 是降低分數(如果存在)
where:
- - 是語言版本的索引
- - 表示作者的興趣(作者數量)
- - 表示文章的受歡迎程度(頁面瀏覽量)
- - 是 2024年7月期間 維基百科中文章「विद्यापति」的作者的一組唯一名稱
- - 是 2024年7月 維基百科中「विद्यापति」文章的熱門程度
由於公式中歸一化指標的四捨五入值,計算結果可能略有不同
这个人是 第126名 最受欢迎印地語維基百科中. 印地語維基百科的「विद्यापति」文章品質得分為 48 分(截至2024年8月1日). 本文包含 16 篇參考文獻和 12 個章節。
這篇文章是英語維基百科中品質最好的。 然而,這篇文章是最受歡迎的印地語版本。
2024年7月,विद्यापति」一文由印地語維基百科的 1 位作者編輯(第1976位),並由 1 位所有語言的作者撰寫。
自「विद्यापति」文章創建以來,其內容由 41 名印地語維基百科註冊用戶撰寫(第3269名),並由 211 名所有語言的註冊維基百科用戶編輯。
在印地語維基百科所有時間的人们本地排名中,विद्यापति排名第 126 位。.
該文章在印地語維基百科中被引用 76 次,在所有語言中被引用 679 次。
2001 年以來作者的最高興趣排名:
2008年以來的最高人氣排名:
WikiRank 資料庫中本文有 11 種語言版本(所考慮的 55 個維基百科語言版本)。
品質和受歡迎程度評估是基於 2024年8月1日的維基百科轉儲(包括前幾年的修訂歷史和頁面瀏覽量)。
下表顯示了最高品質的文章的語言版本。
# | 语言 | 人气奖 | 相对人气 |
---|---|---|---|
1 | 印地語 (hi) विद्यापति |
1 050 992 | |
2 | 英語 (en) Vidyapati |
461 011 | |
3 | 俄語 (ru) Видьяпати |
10 344 | |
4 | 烏克蘭語 (uk) Відьяпаті |
4 057 | |
5 | 印度尼西亞語 (id) Vidyapati |
2 681 | |
6 | 挪威語 (no) Vidyapati |
1 828 | |
7 | 意大利語 (it) Vidyāpati |
1 450 | |
8 | 捷克語 (cs) Vidjápati |
1 148 | |
9 | 泰米爾語 (ta) வித்தியாபதி |
653 | |
10 | 烏爾都語 (ur) ودیاپتی |
436 |
下表顯示了上個月最受歡迎的文章的語言版本。
# | 语言 | 作者兴趣奖 | 作者相对兴趣 |
---|---|---|---|
1 | 英語 (en) Vidyapati |
![]() | 113 |
2 | 印地語 (hi) विद्यापति |
![]() | 41 |
3 | 挪威語 (no) Vidyapati |
![]() | 15 |
4 | 俄語 (ru) Видьяпати |
![]() | 9 |
5 | 烏克蘭語 (uk) Відьяпаті |
![]() | 9 |
6 | 捷克語 (cs) Vidjápati |
![]() | 8 |
7 | 泰米爾語 (ta) வித்தியாபதி |
![]() | 6 |
8 | 意大利語 (it) Vidyāpati |
![]() | 5 |
9 | 印度尼西亞語 (id) Vidyapati |
![]() | 2 |
10 | 烏爾都語 (ur) ودیاپتی |
![]() | 2 |
下表顯示了上個月作者最感興趣的文章的語言版本。
2025年3月28日,在多語言維基百科中,網路使用者最常閱讀以下主題的文章:緬甸、混沌少年時、格陵兰、2025年3月29日日食、白雪公主、瑞秋·曾格勒、2025年逝世人物列表、非自愿独身、莎麗娜、乌莎·万斯。
印地語維基百科當天最受歡迎的文章是:राणा सांगा、राजस्थान दिवस、इंडियन प्रीमियर लीग、काव्या मारन、क्लियोपाट्रा ७、हनुमान चालीसा、महेंद्र सिंह धोनी、औरंगज़ेब、मिया खलीफ़ा、भीमराव आम्बेडकर.
該計畫旨在對維基百科各種語言版本的文章進行自動相對評估。 目前,該服務允許比較 55 種語言的超過 4,400 萬篇維基百科文章。 文章的品質分數是根據 2024年8月的維基百科轉儲。 在計算作者當前的受歡迎程度和興趣時,考慮了 2024年7月的數據。 對於作者受歡迎程度和興趣的歷史價值,WikiRank 使用了 2001 年至 2023 年的數據。 更多資訊
在哪裡:
where:
由於公式中歸一化指標的四捨五入值,計算結果可能略有不同