در دنیای امروزی فناوری اطلاعات و ارتباطات بصورت انکار ناپذیری صنعت گردشگری را تحت تاثیر قرار داده است و باعث شده پدیده هایی مثل گردشگری الکترونیک تحقق پیدا کند. در این پژوهش ابتدا یک مدل هوشمند توصیه گر مبتنی بر شبکه عصبی جهت توسعه گردشگری الکترونیک ارائه شده است، سپس با استفاده از داده های نمونه ای که بر اساس مدل از طریق شرکتها و آژانسهای گردشگری شهر اصفهان جمع آوری شده است عملیات داده کاوی از نوع کلاس بندی مبتنی بر شبکه عصبی طراحی می شود .کلاس بندی یکی از متداولترین فعالیتها در حوزه های مرتبط با تصمیم گیری هوشمند است و شبکه های عصبی راه حلی مناسب برای حل مسائل داده کاوی بویژه کلاس بندی می باشد. بطور معمول، برای حل مسائل کلاس بندی که خروجی مطلوب از آنها موجود است، نوع آموزش شبکه عصبی از نوع با ناظر انتخاب می شود.در این پژوهش یک مطالعه مقایسه ای در رابطه با کلاس بندی داده های گردشگری الکترونیک با استفاده از دو روش یادگیری با ناظر و بدون ناظر انجام گرفت که مقدار خروجی مطلوب برای همه داده های ورودی مشخص بود.این خروجی شامل چند بسته تور مسافرتی مناسب گردشگران است که بر اساس مقادیر ورودی به آنها پیشنهاد می شود. نتیجه نشان داد که علیرغم داشتن مقادیرخروجی هدف، خروجی شبکه عصبی با روش یادگیری بدون ناظر و معماری som درصد پیش بینی دقیق تری را نسبت به روش یادگیری با ناظر داردوبسته های پیشنهادی شبکه با روش یادگیری بدون ناظر ،منطبق تر با انتخاب گردشگران میباشد.جهت ارزیابی نهایی نتایج، نمونه داده های تست، در اختیار کارشناسان خبره تور قرار گرفت ودقت پیش بینی آنها نیز بسیار نزدیک به نتایج بدست آمده از روش یادگیری بدون ناظر بود.در پایان نیز مقایسه ای روی نتایج استفاده از دو متد مذکور ارائه شده است.