مهتاب جمالی - گروه کارشناسی ارشد فناوری اطلاعات، دانشگاه غیاث الدین جمشید کاشانی، آبیک ، قزوین ، ایران
زهره فرجی - گروه کارشناسی ارشد فناوری اطلاعات، دانشگاه غیاث الدین جمشید کاشانی، آبیک ، قزوین ، ایران
محمد ربیعی - استادیار گروه کامپیوتر، دانشگاه ایوان کی، ایوان کی، سمنان، ایران

امروزه جمع آوری داده های بیماری ها، به جهت شناسایی و درمان آنها از اهمیت زیادی برخوردار است. به منظور کشف الگوهای پنهان در این داده ها میتوان از روش های داده کاوی استفاده کرد. نتایج حاصل از داده کاوی به پزشکان کمک می کند تا بتوانند راه حل های جدیدی را برای درمان یا پیشگیری بیماری ها پیداکنند. افسردگی از جمله بیماری های روانی است که روز به روز در حال گسترش است. این بیماری همراه با اختلال در خلق و خو، اندیشه و بدن ایجاد می شود و باعث می شود فرد احساس ناراحتی و بی فایده بودن کند. هدف اصلی این پژوهش ارائه مدلی در جهت تشخیص میزان افسردگی بیماران افسرده و بررسی ارتباط آن با موسیقی در جهت ارائه راه حل های مفید به منظور بهبود این بیماران است. در این تحقیق 470 نفر از بیماران مبتلا به افسردگی 2 شهر تهران و کرج مورد بررسی قرار گرفتند تا ارتباط بین پارامترهای سبک زندگی و موسیقی مورد علاقه آنها با بیماری افسردگی کشف شود. بیماری های فیزیکی مختلفی می تواند منجر به افسردگی شود. از این رو تعدادی از این بیماری ها در این پژوهش مورد بررسی قرار گرفتند. از الگوریتم های درخت تصمیم گیر و ماشین بردار پشتیبان و برنامه رپیدماینر استفاده شد. نتایج نشان داد که موسیقی و ورزش نقش مهمی در میزان افسردگی افراد دارد و گوش کردن به موسیقی های غمگین و راک و متال می تواند به افسرده شدن فرد کمک کند.

افسردگی؛ داده کاوی؛ موسیقی؛ درخت تصمیم گیر؛ ماشین بردار پشتیبان