وبلاگ

USK

 

۰٫۷۱

 

UND

 

۰٫۹۹

 

INF

 

۰٫۹۹

 

ECF

 

۰٫۹۹

 

GND

 

 

 

۰٫۷۲

 

ATT

 

۰٫۷۱

 

INV

 

۰٫۷۲

 

UIN

 

۰٫۹۹

 

DGF

 

۰٫۷۲

 

WCP

 

 

 

۰٫۷۲

 

OSL

 

۰٫۷۱

 

EXB

 

۰٫۷۵

 

CLT

 

۰

 

UCN

 

۰٫۷۲

 

WMP

 

 

 

به‌طور مثال برای متغیر ENT که میزان سرگرمی وب‌سایت می‌باشد نشان داده‌شده است که با تغییر این متغیر، طی ۱۰۰ دوره زمانی، ۷۲ درصد این تغییر به متغیر SNT تأثیر می‌گذارد. توجه نمایید که مقدار این اثر دهی مثبت است. یعنی هم‌جهت با تغییر ENT، متغیر SNT با همان جهت ولی به میزان ۷۲ درصد تغییر خواهد نمود. به‌طور مثال اگر میزان سرگرمی کاهش یابد، طی ۱۰۰ دوره باید انتظار کاهش ۷۲ درصدی اعتماد کاربر به وب‌سایت را داشته باشیم.

در مقابل اگر متغیری مقدار منفی بگیرد نشان از آن دارد که با تغییر آن، تغییر متغیر هدف مخالف جهت آن خواهد بود.
درجه تراکم نقشه مفهومی فازی طراحی ‌شده برابر با و شاخص سلسله مراتبی آن است. این مقدار از شاخص سلسله مراتبی به معنای این است که نقشه مفهومی فازی تشکیل‌شده به ساختار شبکه درهم‌ریخته بسیار نزدیک است.
عامل‌های جنسیت (GND)، سرگرمی (ENT) و عامل‌های جمعیت‌شناسی (DGF) متغیرهای فرستنده هستند و در مقابل فقط اعتماد کاربر به شبکه‌های اجتماعی (SNT) متغیر گیرنده است.
۵-۲- مزایا و موانع
از مزایای این مدل می‌توان به این مورداشاره کرد که اکثر عامل‌های بکار رفته دارای عدم قطعیت می‌باشند؛ بدین معنی که نمی‌توان مقدار کمی مشخصی برای آن‌ ها منظور کرد ولی ازنظر کیفی می‌توان آن‌ ها را سنجید. استفاده از روش تحلیل نقشه‌های مفهومی فازی باعث شده این خصوصیت نه‌تنها محدودیت برای انجام پروژه نباشد، بلکه تبدیل به یک مزیت گردد.
یکی از موانع عمده‌ای که می‌توان به این روش ایراد گرفت این است که سامانه‌های پویا نه‌تنها مقدار عامل‌هایشان در طول زمان تغییر می‌کند بلکه رابطه بین آن‌ ها نیز تغییر می‌کند؛ که در انجام این تحلیل به دلیل کمبود وقت و امکانات، میسر نبوده است. برای رفع این مشکل می‌بایست از الگوریتم‌های یادگیری پیشرفته‌ای استفاده نمود و مقدار رابطه بین عامل‌ها (یا ماتریس مجاورت نقشه مفهومی) را نیز در طول زمان به‌روزرسانی کرد؛ که این امر سربار محاسباتی بسیار زیادتری را به تحلیل اضافه خواهد نمود.
۵-۳- پیشنهاد‌ برای تحقیقات آتی