文章的品質和受歡迎程度公式 夢幻戰警 zh
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 2025年6月期間 維基百科中文章「夢幻戰警」的作者的一組唯一名稱
- - 是 2025年6月 維基百科中「夢幻戰警」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
这个电视系列是 第5050名全球维基百科排名中最受欢迎的电视剧. 中文維基百科的「夢幻戰警」文章品質得分為 16.3 分(截至2025年7月1日). 本文包含 0 篇參考文獻和 6 個章節。
這篇文章是日語維基百科中品質最好的。 然而,本文最流行的語言版本是英語。
自「夢幻戰警」文章創建以來,其內容由 15 名中文維基百科註冊用戶撰寫,並由 426 名所有語言的註冊維基百科用戶編輯。
在維基百科的全球圖电视剧排名中,夢幻戰警一直位居第 5050 位。
該文章在中文維基百科中被引用 57 次,在所有語言中被引用 1074 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 12 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 2025年7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 | 英語 (en) VR Troopers |
2 129 228 | |
2 | 西班牙語 (es) VR Troopers |
188 123 | |
3 | 葡萄牙語 (pt) VR Troopers |
155 912 | |
4 | 日語 (ja) VR Troopers |
70 447 | |
5 | 意大利語 (it) VR Troopers |
46 082 | |
6 | 法語 (fr) VR Troopers |
43 469 | |
7 | 德語 (de) VR Troopers |
28 888 | |
8 | 荷蘭語 (nl) VR Troopers |
23 373 | |
9 | 波蘭語 (pl) VR-Troopers |
21 968 | |
10 | 中文 (zh) 夢幻戰警 |
15 613 |
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) VR Troopers |
![]() | 226 |
2 | 法語 (fr) VR Troopers |
![]() | 31 |
3 | 波蘭語 (pl) VR-Troopers |
![]() | 26 |
4 | 意大利語 (it) VR Troopers |
![]() | 22 |
5 | 德語 (de) VR Troopers |
![]() | 21 |
6 | 日語 (ja) VR Troopers |
![]() | 21 |
7 | 荷蘭語 (nl) VR Troopers |
![]() | 20 |
8 | 葡萄牙語 (pt) VR Troopers |
![]() | 17 |
9 | 西班牙語 (es) VR Troopers |
![]() | 15 |
10 | 中文 (zh) 夢幻戰警 |
![]() | 15 |
下表顯示了上個月作者最感興趣的文章的語言版本。
最佳排名 | 中文: 63042 03.2008 |
全球: 57772 02.2008 |
最佳排名 | 中文: 3837 04.2016 |
全球: 22601 06.2024 |
不同語言的維基百科文章列表(從最受歡迎的開始):
2025年8月12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:克里斯蒂亚诺·罗纳尔多、星期三、乔治娜·罗德里格斯、ChatGPT、凶器、貞娜·歐塔嘉、2025年逝世人物列表、泰勒·斯威夫特、米格尔·乌里韦、2025年至2026年歐洲冠軍聯賽。
中文維基百科當天最受歡迎的文章是:朱由𣜬、林岱樺、林逸欣、江油未成年人欺凌事件、鬼滅之刃、黃士修、鬼滅之刃角色列表、锦月如歌、2025年亞洲盃籃球賽、鬼滅之刃劇場版 無限城篇.
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 2025年7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 2025年6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 2025 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