ایمان رئیسی - استادیار دانشگاه علامه طباطبایی، گروه مدیریت فناوری اطلاعات، تهران، ایران
محمد نقی زاده - استادیار دانشگاه علامه طباطبایی، گروه مدیریت تکنولوژی، تهران، ایران
لعیا محمودی - کارشناس ارشد دانشگاه علامه طباطبایی، گروه مدیریت فناوری اطلاعات، تهران، ایران

با پیشرفت فناوری و روی کار آمدن وبسایت های تجاری، انقلاب عظیمی در کسب و کارها و نحوه ی ارائه ی محصولات و خدمات پدید آمد و خرید از طریق اینترنت به یک کار روزمره ی مردم تبدیل شد. از طرفی، افزایش روزافزون تعداد وبسایت ها و ارائه ی طیف وسیع و متنوعی از محصولات و خدمات در فضای مجازی باعث سردرگمی روز افزون خریداران اینترنتی خواهد شد. از این رو، سیستم های توصیه گر و چالش های آن مورد توجه و مطالعه ی محققان زیادی قرار گرفت تا با توسعه ی آن پیشنهادات دقیق تر و بهینه تری متناسب با علایق و ترجیحات هر کاربر ارائه دهند و همچنین موجب رونق و سودآوری وبسایت ها شوند. در این پژوهش، ابتدا با تحلیل مقالات تجارت الترونیک به ضرورت نیاز به سیستم های توصیه گر در وبسایت ها می پردازیم. سپس، الگوریتم ها و روش های ارائه شده در مقالات سیستم های توصیه گر مانند روش های محتوا محور، فیلترینگ مشارکتی و هیبریدی به منظور مقابله با مشکل شروع سرد کاربر بررسی می کنیم. درآخر، با اعمال الگوریتم های متنکاوی اکتشاف توالی بر روی کلمات کلیدی و عناوین مقالات، سیر زمانی موضوعات نوظهور این مبحث مهم علمی و تجاری بدست می آید.

تجارت الکترونیک، سیستم های توصیه گر، شروع سرد کاربر، متن کاوی، خوشه بندی متون