الگوریتم اپریوری

پژوهش حاضر با هدف ایجاد یک سیستم توصیه گر ارزیاب برای تعیین میزان رضایتمندی ورزشکاران از خدمات بیمه ای با استفاده از تکنیک داده کاوی انجام شد. رو ش پژوهش، توصیفی و از نوع پیمایشی بود که به لحاظ هدف، کاربردی و از حیث روش جمع آوری اطلاعات، میدانی بود. جامعه آماری پژوهش حاضر ورزشکارانی بودند که به صورت منظم در رشته های گوناگون ورزشی در سال 1397 به ورزش می پرداختند که با استفاده از جدول کرجسی و مورگان (1970) 384 نفر به عنوان نمونه انتخاب شدند. ابزار جمع آوری اطلاعات پرسش نامه پژوهشگرساخته بود که روایی آن به تأیید 12 نفر از متخصصان مدیریت ورزشی و بیمه رسید و پایایی آن 86/0 = α به دست آمد. از آزمون کلموگروف-اسمیرنوف برای بررسی چگونگی توزیع داده ها و از قواعد انجمنی و الگوریتم اپریوری برای طبقه بندی و خوشه بندی الگوریتم استفاده شد. تجزیه وتحلیل داده های پژوهش با استفاده از نرم افزارهای اس.پی.اس.اس. نسخه 23 و وکا نسخه 2. 9. 3 انجام گرفت. یافته های پژوهش نشان داد که بیشترین آسیب دیدگی در بین ورزشکاران در اندام فوقانی و از نوع دررفتگی بود. همچنین، میزان آسیب دیدگی در رشته های تیمی بیشتر بود. نتایج مربوط به رضایتمندی و میزان سهولت از بازپرداخت خسارات به ورزشکاران بیمه شده نشان داد که ورزشکاران رضایت متوسط از خدمات بیمه ورزشی داشتند. همچنین، تضمین، مهم ترین مؤلفه و پاسخ گویی، کم اهمیت ترین مؤلفه در بهبود رضایتمندی ورزشکاران از خدمات بیمه بود. نتایج پژوهش بیانگر این است که تعداد مراجعه ورزشکاران برای استفاده از بیمه ورزشی نقش مهمی در رضایتمندی ورزشکاران از خدمات بیمه فدراسیون پزشکی ورزشی دارد.

قواعد همباش (انجمنی) یکی از محبوب ترین مدل های حوزه داده کاوی به شمار می رود. در الگوریتم های کلاسیک حوزه قواعد همباش کاوی، مانند اپریوری، از حداقل دامنه پشتیبانیِ قاعده واحد استفاده می شود؛ در حالی که در رویکردهای جدیدی که تلاش کرده اند الگوریتم های کلاسیک را بهبود بخشند، مانند ام. اس. اپریوری، از حداقل دامنه پشتیبانیِ قاعده چندگانه استفاده می شود که در هر دو حالت، کاربر موظف است حداقل دامنه پشتیبانی از قاعده را تعیین کند. در نظر بگیرید کاربر قصد اعمال الگوریتم اپریوری را بر پایگاه داده ای با میلیون ها تراکنش داشته باشد؛ به طور قطع کاربر نمی تواند دانش لازم را درباره تمام تراکنش های موجود در پایگاه داده داشته باشد، بنابراین نمی تواند حد آستانه مناسبی را تعیین کند. در این پژوهش، برای اولین بار با استفاده از داده های فازی سازی شده و تکنیک میانگین گیری، روشی ارائه شده است که در آن، الگوریتم اپریوری به صورت کاملاً خودکار حداقل دامنه پشتیبانی از قاعده را تعیین می کند. نتایج شبیه سازی شده روی نمونه ای واقعی نشان داد این رویکرد عملکرد مطلوب تری نسبت به الگوریتم اپریوری کلاسیک دارد.