حمید شیخ ویسی - مربی، دانشگاه پیام نور، دانشکده مهندسی کامپیوتر و فناوری اطلاعات زاهدان - ایران
معصومه کیخایی - دانشجو، کارشناسی ارشد، کامپیوتر گرایش نرم افزار دانشگاه هاتف زاهدان - ایران
مریم سادات میرزنده دل - دانشجو، کارشناسی ارشد، کامپیوتر گرایش نرم افزار دانشگاه هاتف زاهدان - ایران

ماهیت کلی این مقاله در محیط های است که دسترسی به مقادیر زیادی از داده های رفتاری شخصی داشته باشیم. این داده ها می توانند برای طبقه بندی افراد با استفاده از طبقه بندی خودکار (APC) مفید باشند. در این مقاله سیستم پیشنهادی APC پیشرفته - سیستم طبقه بندی خودکار را پیشنهاد می دهد. این سیستم با استفاده از الگوریتم های یادگیری مانند dbscan و SVM ، همراه با پیشرفته داده کاوی به داده های ویژگی های کاربر فضای مجازی و از الگوهای یادگیری استفاده می کند. این یادگیری اکنون می تواند برای طبقه بندی / پیش بینی شخصیت کاربر بر اساس طبقه بندی های گذشته استفاده شود. سیستم ارائه شده در حال حاضر شخصیت کاربر جدید را بر اساس اطلاعات شخصی ذخیره شده توسط طبقه بندی داده های کاربر قبلی پیش بینی می کند. این سیستم برای شبکه های اجتماعی و همچنین آگهی های مختلف فروش شبکه های آنلاین برای طبقه بندی شخصیت کاربر و فروش آگهی های مرتبط مناسب است. همچنین سیستم برای سازمان های دولتی مفید است تا شخصیت کاربر را مشاهده و شخصیت کاربر جدید را در مقیاس وسیع پیش بینی کند همچنین نتایج نشان داد الگوریتم DBSCAN با دقت خوبی توانست خوشه بندی کند و بتواند ابزار احساسات کاربران شبکه های مجازی را تحلیل کند طبق خروجی از داده های ارزیابی و تست نشان میدهد تمام مقادیر به خوبی حدس زده شده است و این الگوریتم با دقت بالاتری از svm میتواند دادها را خوشه بندی و کلاس بندی کند.

طبقه بندی خودکار، الگوریتم های یادگیری، فضای مجازی، شبکه های اجتماعی، مقیاس وسیع، خوشه بندی