Domain name valuation: Characteristics & price exposed!

Abstract

Yalnızca alan adı göz önüne alındığında, o alan adının fiyatını tahmin edebilir miyiz? Bu tez kapsamında ele alınan asıl soru budur. Fiyat tahmini, makine öğrenmesinin (ML) çok iyi çalışılmış uygulamalarından biridir. Fiyat tahmini için doğru bir ML yaklaşımı, fiyatı etkileyen özellikleri yansıtmak için iyi bir dizi özelliğe ihtiyaç duyacaktır. Bir alan adının fiyatı sadece uzunluk, dil ve uzantı gibi özelliklerine değil, aynı zamanda kişinin o alan adı için ne kadar ödemeyi göze aldığına da bağlıdır. Bu, alan adı değerlemesinde ciddi bir belirsizliğe neden olur ve başa çıkılması zor bir sorun yaratır. Ek olarak, alan adları yalnızca harfleri, sayıları, tire ve emojileri içerebilen, bitişik yazılan ve punycode gösteriminde en fazla altmış üç karakter uzunluğunda olabilen yapısal bir sınırlamaya sahiptir. Bir alan adının değerini etkileyen tüm belirleyici özelliklerinin ortaya çıkarılması netice itibariyle oldukça zor bir iştir. Bu çalışmanın bir parçası olarak kapsamlı bir alan adı satış geçmişi veri kümesi toplanmış ve alan adına bağlı çok sayıda özgün özellik elde edilmiştir. Özellik çıkarımında en kritik adımlardan biri alan adındaki kelimelerin belirlenmesidir. Bu süreç, bu tez çalışmasında Alan Adı Dil Tespiti (DNLD) olarak adlandırılan dil tanımlama ve kelimelere bölme adımını içermektedir. Alan adı dilinin ve içindeki kelimelerin tespit edilmesi, kelime sayısı ve alan adında kullanılan kelimelerin popülerliği gibi alan adının değeri üzerinde önemli bir etkiye sahip olan özellikleri ifade etmede elzemdir. DNLD, Facebook [1, 2] tarafından paylaşılan Fasttext veri kümesini kullanır ve 265 dile kadar destekleyebilir.

Given only the domain name, can we predict its price? This is the main question that is examined within the scope of this thesis. Price prediction is one of the very well studied applications of machine learning (ML). An accurate ML approach for price prediction would need a good set of features to represent characteristics that effect the price. Price of a domain name depends not only on its characteristics such as length, language and extension, but also how much a person is willing to pay for it. This introduces a significant uncertainty in domain name valuation and creates a challenging problem to deal with. Additionally, domain names are in a special form of an unseparated text that can only consist of letters, numbers, hyphens and emojis, and with an additional structural limitation on having length of sixty-three characters at most in its puny-coded representation. Exposing all decisive characteristics of a domain name that affect its value consequently proves to be a very challenging task. An extensive domain name sale history dataset is collected as part of this study and numerous unique features are extracted based on domain name.One of the crucial steps in feature extraction is the identification of words in the domain name. This process includes language identification and word segmentation step that is referred to as Domain Name Language Detection (DNLD) in this thesis work. Identification of domain language and the extraction of words within a domain name is essential in representing the domain name characteristics that have profound effect on its value such as the number of words and the popularity of words used in domain name. DNLD utilizes Fasttext dataset from Facebook [1, 2] and can support up to 265 languages.