آناهیتا امیدی

امروزه جستجو و انتخاب در حجم بالایی از اطلاعات مکانی و غیرمکانی، فرآیند تصمیم گیری را کاری زمانبر و هزینه برکرده است. در این شرایط سامانه های توصیه گر به کار می آیند تا مناسب ترین و بهترین گزینه در میان حجم عظیمی از داده های موجود درکمترین زمان ارائه دهند درحالیکه که بیشترین و بالاترین میزان شباهت با نیاز و علاقه کاربران داشته باشند. در حال حاضر مراکز واکسیناسیون کووید19 متعددی در سراسر شهر تهران وجود دارد که هر کدام با خدمات ارائه شده ی متنوع و منحصر به فرد خود در حال فعالیت هستند. هدف از این پژوهش طراحی و پیاده سازی یک سامانه توصیه گر جهت پیشنهاد بهترین مرکز واکسیناسیون کووید19 در منطقه 6 شهرداری تهران در سال 1400 می باشد. در سامانه توصیه گر پیشنهادی، ابتدا مراکز ارائه دهنده خدمات واکسیناسیون براساس ویژگی های مکانی با استفاده از الگوریتم خوشه بندی نگاشت خودسازمان ده به خوشه هایی با ویژگی های یکسان تقسیم بندی می شوند و در گام دوم با استفاده از منطق فازی نوع دوم، ترجیحات کاربران استنتاج و عدم قطعیت در آن مدل سازی می شود. در نهایت با استفاده از ترکیب خروجی های بدست آمده از دو مرحله طراحی شده، مرکز واکسیناسیون مناسب با نیاز کاربر جهت توصیه گری شخصی سازی شده استخراج می گردد. نتایج با استفاده از سه پارامتر ارزیابی دقت، فراخوانی و امتیاز F1 مورد بررسی قرار گرفت که به ترتیب مقادیر 0.70 و0.84 و 0.76 بدست آمد. این نتایج نشان داد استفاده از سیستم استنتاج فازی نوع دوم روش مناسبی برای مدلسازی یک سامانه توصیه گر شخصی سازی شده می باشد.