توسعه یک سامانه توصیه‌گر مکانی جهت پیشنهاد مرکز واکسیناسیون کووید 19 مبتنی بر روش فازی نوع دوم (منطقه مورد مطالعه: منطقه 6 شهرداری تهران)

امروزه جستجو و انتخاب در حجم بالایی از اطلاعات مکانی و غیرمکانی، فرآیند تصمیم‌گیری را کاری زمانبر و هزینه‌برکرده‌ است. در این شرایط ‌سامانه‌های ‌‌توصیه‌گر به کار ‌می‌آیند تا مناسب‌ترین و بهترین گزینه‌‌ در ‌میان حجم عظیمی‌ از داده‌‌های 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 ارائه‌شده‌ی متنوع و منحصر به‌فرد خود در حال فعالیت هستند. هدف از این پژوهش طراحی و پیاده‌سازی یک سامانه توصیه‌گر جهت پیشنهاد بهترین مرکز واکسیناسیون کووید19 در منطقه 6 شهرداری تهران در سال 1400 می‌باشد. در سامانه توصیه‌گر پیشنهادی، ابتدا مراکز ارائه‌دهنده خدمات واکسیناسیون براساس ویژگی‌های مکانی با استفاده از الگوریتم خوشه‌بندی نگاشت خودسازمان‌ده به خوشه‌هایی با ویژگی‌های یکسان تقسیم‌بندی می‌شوند و در گام دوم با استفاده از منطق فازی نوع دوم، ترجیحات کاربران استنتاج و عدم قطعیت در آن مدل‌سازی می‌شود. در نهایت با استفاده از ترکیب خروجی‌های بدست‌آمده از دو مرحله طراحی شده، مرکز واکسیناسیون مناسب با نیاز کاربر جهت توصیه‌گری شخصی‌سازی شده استخراج می‌گردد. 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 توصیه‌گر شخصی‌سازی شده می‌باشد.

development a spatial recommender system for covid 19 vaccination center based on fuzzy method type ii (study area: district 6 of tehran municipality)

today, the decision-making process during the search and selection of large amounts of spatial and non-spatial information is a time-consuming and costly task. in this condition, recommender systems are used to provide the most appropriate in the large amounts of data available in the shortest time while having similarity with the needs of users. at present, there are several 19 covid vaccination centers throughout tehran, each of which operates with its various and unique services. the purpose of this study is to design a recommending system to suggest the best vaccination center of covid 19 in district 6 of tehran municipality in 1400. in the proposed recommender system, centers of vaccination service providers are first divided into clusters with spatial characteristics using a self-organizing mapping clustering algorithm and in the second step, users' preferences are inferred by using fuzzy method type-2. finally, by combining the outputs obtained from the previous two steps, the appropriate vaccination center is extracted according to the user's preference. the results were evaluated using three evaluation parameters of accuracy 0.70, sensitivity 0.84 and f1 score 0.76 these results showed that the second type fuzzy inference system is a suitable method for modeling a personalized recommender system.