زهرا میثاقیان - دانشجوی کارشناسی ارشد موسسه آموزش عالی شفق، تنکابن، ایران
رضا طاولی - عضو هیات علمی دانشگاه آزاد اسلامی چالوس، ایران

امروزه به دلیل رشد اطلاعات، کاربرد کامپیوتر در زندگی بشر ابعاد گسترده ای پیدا کرده است. در بخش هایی که حتی روزی فکرش هم به ذهن خطور نمی کرد، امروزه تحلیل و محاسبات بدون استفاده از روش های کامپیوتری امکان پذیر نیست. برخی کارشناسان این سرعت پرشتاب تحولات در زمینه های اطلاعات و ارتباطات را به انقلاب اطلاعات تعبیر کرده اند که کاربران را با این مشکل مواجه نموده است که چگونه کالا یا خدمت مورد نظر خود را به راحتی و با صرف کمترین زمان ممکن بیابند. سیستم های توصیه کننده، سیستم های موثر در راهنمایی و هدایت کاربران در میان در حجم عظیمی از انتخاب های ممکن برای رسیدن به گزینه مفید و مورد علاقه هستند. سیستم های توصیه کننده با هدف تسهیل و یاری رساندن به کاربران در زمینه انتخاب و یافتن کالای مورد نیاز ایشان با استفاده از علوم و روش های مبتنی بر داده کاوی اطلاعات، ایجاد و توسعه یافته اند. داده کاوی یکی از مهمترین روش هایی است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در امور گرفته شود. داده کاوی به کمک مجموعه ای از روش های آماری و مدلسازی می تواند الگوها و روابط پنهان را بیابد. یکی از روش ها، استفاده دسته بندی و رگرسون می باشد. ما در این مقاله دقت چهار نوع دسته بندی به نام های درخت تصمیم، نزدیکترین همسایه، ماشین بردار پشتیبان و شبکه عصبی چند لایه را مورد بررسی قرار دادیم و همچنین از رگرسیون برای پیش بینی ژانرهای فیلم استفاده کردیم. در رگرسیون میزان میانگین مربعات خطا برابر 1.2157 و ما با شبکه عصبی چند لایه آن را به مقدار 1.1143 حدود 0.1 کاهش دادیم.

داده کاوی، سیستم های توصیه کننده، دسته بندی ، رگرسیون