文章的品質和受歡迎程度公式 Strzelno vi
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「Strzelno」的作者的一組唯一名稱
- - 是 2024年7月 維基百科中「Strzelno」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
斯切爾諾 - 波兰库亚维-滨海省城镇. 这个城市是 第8557名 全球维基百科排名中最受欢迎的城市. 越南語維基百科的「Strzelno」文章品質得分為 15.9 分(截至2024年8月1日).
這篇文章是波蘭語維基百科中品質最好的。 此外,這篇文章是該語言版本中最受歡迎的。
自「Strzelno」文章創建以來,其內容由 5 名越南語維基百科註冊用戶撰寫,並由 250 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城市排名中,斯切爾諾一直位居第 8557 位。
該文章在越南語維基百科中被引用 5 次,在所有語言中被引用 1077 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 20 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 | 波蘭語 (pl) Strzelno |
441 123 | |
2 | 英語 (en) Strzelno |
57 459 | |
3 | 德語 (de) Strzelno |
48 650 | |
4 | 俄語 (ru) Стшельно |
9 632 | |
5 | 荷蘭語 (nl) Strzelno |
4 601 | |
6 | 烏克蘭語 (uk) Стшельно |
3 628 | |
7 | 葡萄牙語 (pt) Strzelno |
3 478 | |
8 | 法語 (fr) Strzelno |
3 143 | |
9 | 世界語 (eo) Strzelno |
2 961 | |
10 | 羅馬尼亞語 (ro) Strzelno |
2 062 |
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 | 波蘭語 (pl) Strzelno |
![]() | 2 |
2 | 塞爾維亞語 (sr) Стшелно |
![]() | 2 |
3 | 白俄羅斯語 (be) Стшэльна |
![]() | 0 |
4 | 捷克語 (cs) Strzelno |
![]() | 0 |
5 | 丹麥語 (da) Strzelno |
![]() | 0 |
6 | 德語 (de) Strzelno |
![]() | 0 |
7 | 英語 (en) Strzelno |
![]() | 0 |
8 | 世界語 (eo) Strzelno |
![]() | 0 |
9 | 愛沙尼亞語 (et) Strzelno |
![]() | 0 |
10 | 波斯語 (fa) استشلنو |
![]() | 0 |
下表顯示了被引用次數最高的文章的語言版本。
最佳排名 | 越南語: 89003 05.2012 |
全球: 222000 12.2008 |
最佳排名 | 越南語: 15337 05.2012 |
全球: 68750 06.2012 |
2025年3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:伊隆·马斯克、2024–25年歐洲冠軍聯賽、歐洲冠軍聯賽、迭戈·西蒙尼、金賽綸、金秀賢、格陵兰、朱利亞諾·施蒙尼、唐納·川普、ChatGPT。
越南語維基百科當天最受歡迎的文章是:Đài Truyền hình Kỹ thuật số VTC、Kim Sae-ron、Kim Soo-hyun、Ngô Phương Ly、Quý Bình、Đối tác chiến lược, đối tác toàn diện (Việt Nam)、Tô Lâm、Won Bin、Choi Hyun-wook、Việt Nam.
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