L'articolo "李瘦枝" nella Wikipedia in cinese ha 10.1 punti per la qualità (al 1 agosto 2024).
Dalla creazione dell'articolo "李瘦枝", il suo contenuto è stato scritto da 1 utenti registrati di Wikipedia in cinese e modificato da 1 utenti registrati di Wikipedia in tutte le lingue.
L'articolo è citato 5 volte nella Wikipedia in cinese e citato 5 volte in tutte le lingue.
Il grado di interesse degli autori più alto dal 2001:/p>
Il grado di popolarità più alto dal 2008:
C'è 1 versione linguistica per questo articolo nel database WikiRank (delle 55 edizioni linguistiche di Wikipedia considerate).
La valutazione della qualità e della popolarità si basava sui dump di Wikipedia del 1 agosto 2024 (inclusa la cronologia delle revisioni e le visualizzazioni di pagina degli anni precedenti).
| Miglior Rango | cinese: N. 571320 07.2020 |
Globale: N. 9223401 04.2013 |
| Miglior Rango | cinese: N. 115787 07.2020 |
Globale: N. 2659740 07.2020 |
Il 25 gennaio 2025 nella Wikipedia multilingue gli utenti di Internet leggono più spesso articoli sui seguenti argomenti: Donald Trump, Madison Keys, Elon Musk, Aryna Sabalenka, Melania Trump, Emilia Pérez, Abdukodir Khusanov, Pete Hegseth, Nosferatu, Karla Sofía Gascón.
Nella Wikipedia in cinese gli articoli più popolari quel giorno erano: 外傷重症中心, 国色芳华, 白月梵星, 大奉打更人, 打招呼的關係, 吉伊卡哇, 2025年印度尼西亞羽毛球大師賽, 五福临门 (电视剧), 唐納·川普, 习近平.
Il progetto è finalizzato alla valutazione relativa automatica degli articoli nelle diverse versioni linguistiche di Wikipedia. Al momento il servizio permette di confrontare oltre 44 milioni di articoli di Wikipedia in 55 lingue. I punteggi di qualità degli articoli si basano sui dump di Wikipedia del agosto 2024. Nel calcolare la popolarità attuale e l'intelligenza artificiale degli articoli sono stati presi in considerazione i dati del luglio 2024. Per i valori storici di popolarità e AI WikiRank ha utilizzato dati dal 2001 al 2023... More information
$$Qualità=1/c∑↙{i=1}↖c nm_i-RS=1/5(2.66+1.01+0+8.33+38.56)$$
dove:
I risultati dei calcoli potrebbero essere leggermente diversi a causa dei valori arrotondati delle metriche normalizzate nelle formule
