Modelių atpažinimas – tai sistemos gebėjimas atpažinti šablonus duomenų rinkiniuose, remiantis užprogramuotomis ir išmoktomis žiniomis. Tai svarbi informatikos dalis, nes leidžia kurti sistemas, galinčias atlikti sudėtingą duomenų analizę. Tai gali padėti tyrėjams greitai rūšiuoti duomenis, kad surastų prasmingą informaciją, nes jiems nereikia rankiniu būdu skaityti duomenų, kad surastų lankytinas vietas. Šablonų atpažinimas taip pat gali būti naudingas nustatant klaidas, sukčiavimą ir kitas problemas duomenų rinkiniuose.
Tai skiriasi nuo modelio suderinimo, kai sistema gali tiksliai suderinti medžiagas naudodama žinomą duomenų bazę. Aiškų šio skirtumo pavyzdį galima pamatyti el. pašto filtruose. Daugelyje žiniatinklio el. pašto paskyrų yra šiukšlių aplankas. El. pašto paslaugų teikėjas nuskaito gaunamus laiškus ir naudoja šablono atpažinimą, kad nustatytų nepageidaujamą el. pašto adresą ir įmestų jį į šį aplanką. Vartotojas taip pat gali filtruoti savo el. paštą, prašydamas kliento numesti el. laišką nuo konkretaus siuntėjo arba tam tikro turinio į konkretų aplanką.
Norint patikrinti, ar nėra šlamšto, reikia mokėti atpažinti bendruosius šablonus, pvz., konkrečius žodžius, žinomus įtartinus interneto protokolo (IP) adresus ir kitas raudonas vėliavėles, kurios gali pažymėti raidę kaip netikrą. Tai pažangesnė nei filtras, kuris tiesiog prašo sistemos suderinti šablonus. Jei sistema mato žodį ar siuntėją, atitinkantį šabloną, ji gali perkelti el. laišką į atitinkamą aplanką.
Sudėtingi algoritmai palaiko modelio atpažinimą. Sistema gali naudoti keletą priemonių, kad galėtų ištirti gaunamus duomenis ir nuspręsti, kaip geriausia juos tvarkyti. Jis gali būti užprogramuotas atlikti konkrečias funkcijas, pavyzdžiui, nukreipti įtartinus ar sugadintus duomenis į tam tikrą vietą, klasifikuoti duomenis prasmingai ir pan. Sistema gali mokytis ir naudoja tai kaip įrankį, kad geriau atpažintų modelį. Pvz., kiekvieną kartą, kai vartotojas pažymi el. laišką kaip šlamštą, sistema nuskaito el. laišką, kad sužinotų apie jį daugiau, ir sistema ir toliau nedarys klaidos, dėdama panašius el. laiškus į gautuosius.
Kompiuterių mokslininkai kuria naujus modelių atpažinimo metodus laboratorijoje ir tyrimų aplinkoje. Jie gali būti taikomi įvairioms užduotims ir reikalauja sukurti neuroninius tinklus, kurie galėtų sąveikauti su duomenimis ir laikui bėgant keistis. Kai kurios programos yra labai sudėtingos ir gali labai detaliai atpažinti šabloną, o kitos yra paprastesnės. Tokios programos sumažina žmonių valandų skaičių, reikalingą duomenims analizuoti, ir gali užfiksuoti dalykus, kurių žmogus gali nepastebėti, pavyzdžiui, sukčiavimo įrodymus, susijusius su pažeidimais, apimančiais tūkstančius draudimo išmokų.