مقایسه دو الگوریتم درخت تصمیم گیری و ماشین بردار پشتیبان برای طبقه بندی مکان های جاذب گردشگری بر اساس اطلاعات زمینه ای کاربر

امروزه گردشگری و جذب گردشگر به عنوان یکی از منابع اقتصادی و همچنین بررسی داده های گردشگری با توجه به اهمیت روزافزون صنعت گردشگری و تجارتی و رقابتی شدن این صنعت اهمیت ویژه ای یافته است. در صنعت گردشگری شناخت خصوصیات و اطلاعات زمینه ای کاربر سبب اتخاذ تصمیمات هدفمندتر و ارائه خدمات رضایت بخش تری به کاربر می شود که این امر بدون استفاده از ابزارها و تکنیک های داده کاوی میسر نمی شود. روش های مختلفی برای طبقه بندی و بررسی داده ها وجود دارد. با توجه به اهمیت بالای شناخت رفتار و ویژگی های گردشگران در انتخاب مکان جاذب گردشگری و در نتیجه جلب رضایت گردشگران هدف این مطالعه مقایسه دو الگوریتم درخت تصمیم گیری و ماشین بردار پشتیبان برای طبقه بندی مکان های جاذب گردشگری بر اساس اطلاعات زمینه ای کاربر در نرم افزار Weka است. در این راستا از اطلاعات زمینه ای کاربر ازجمله سن، جنسیت، میزان تحصیلات، نوع مکان گردشگری و امتیازی که کاربران به مکان گردشگری داده اند برای طبقه بندی مکان های جاذب گردشگری استفاده شده است. برای این منظور اطلاعات زمینه ای و اطلاعات مکان های گردشگری از 220 کاربر در مورد جاذبه های گردشگری تهران جمع آوری گردید و برای آموزش و تست دو الگوریتم مورد استفاده قرار گرفته است. با بررسی نتایج این تحقیق با معیارهای مختلف مشخص گردید که درخت تصمیم گیری عملکرد بهتری در مقایسه با روش ماشین بردار پشتیبان بر روی داده-های استفاده شده دارد.