طراحی موتور توصیه گر مبتنی بر شبکه عصبی به منظورارائه پیشنهادات سفربا روشهای یادگیری با ناظر و بدون ناظر

کلاس بندی یکی از متداولترین فعالیتها در حوزه های مرتبط با تصمیم گیری هوشمند است و شبکه های عصبی راه حلی مناسب برای حل مسائل داده کاوی بویژه کلاس بندی می باشد. در این پژوهش ابتدا یک مدل توصیه گر مبتنی بر شبکه عصبی جهت پیشنهاد بسته های سفر به گردشگران ارائه می شود، سپس با استفاده از داده های نمونه ای که براساس مدل از طریق آزانسهای گردشگری شهر اصفهان جمع آوری شده است، با طراحی بخش اصلی مدل بعنوان موتور توصیه گر، یک مطالعه مقایسه ای در رابطه با کلاس بندی داده ها با استفاده از دو روش یادگیری با ناظر و بدون ناظر خواهیم داشت. جهت ارزیابی نهایی نتایج و مقایسه عملکرد مدل با نظر کارشناسان خبره، نمونه داده های تست در اختیار کارشناسان خبره تور قرار گرفت و دقت پیش بینی آنها نیز بسیار نزدیک به نتایج بدست آمده از روش یادگیری بدون ناظر بود.