حمیدرضا آوینی - دانشجوی دکتری،گروه کامپیوتر،دانشکده فنی ومهندسی، واحد یاسوج،دانشگاه آزاد اسلامی ،یاسوج،ایران
مجید قاسمی - کارشناسی ارشد،گروه کامپیوتر،دانشکده فنی ومهندسی، واحد یاسوج،دانشگاه آزاد اسلامی یاسوج،ایران

سیستم های توصیه گر ابزارها و تکنیک های نرم افزاری هستند که آیتم های مرتبط را به کاربران پیشنهاد می دهند. این سیستم ها از سال ۱۹۹۰ توجهات زیادی را هم در زمینه ی دانشگاهی و هم صنعتی به خود جلب کرده،چرا که کاربردهای فراوانی داشته و هم چنین مشکلات پیچیده ای را حل نموده است. تعداد مقالات تحقیقاتی منتشر شده به میزان قابل توجهی در حوزه های مختلف افزایش یافته است(کتاب ها، اسناد، تصاویر، فیلم ها، موزیک، خرید، برنامه های تلویزیونی و غیره). یکی از این حوزه ها بخاطر کاربرد زیاد تلویزیون های با قابلیت محاسباتی و شبکه ای و بخاطر وجود مقدار زیادی از محتوای TV و محتوای مرتبط با TV روی وب، مورد توجه ما در این مقاله می باشد.با تکامل TV ها و RSها، تنوع سیستم های پیشنهاددهنده برای TV نیز به میزان زیادی افزایش یافته است. در این زمینه،باید توجه داشت که سیستم های پیشنهاد دهنده برای TV را به صورت سیستم هایی در نظر می گیریم که هم برای محتوای تلویزیون و هم محتوای مرتبط با آن، پیشنهادهای خود را ارائه می دهند.بخاطر این تنوع،بررسی های بیشتری لازم است چرا که تحقیق در مورد سیستم های پیشنهاد دهنده برای حوزه ی TV هنوز هم وسیع بوده و نسبت به سایر زمینه های تحقیقاتی به تکامل نرسیده است.بنابراین، این مقاله ی بازبینی (LR) طبق نقطه نظرات مختلف سیستم های توصیه گر در حوزه ی تلویزیون پژوهش های موجود را طبقه بندی،بررسی و ارائه می دهد.برای این کار در ابتدا از مقالات علمی، ۲۸۲ مقاله ی مربوطه را تعیین کرده ایم که از ۲۰۰۳ تا می ۲۰۱۵ منتشر شده اند.سپس این مقالات را دسته بندی کرده و طبق تحقیقات و نقطه نظرات مختلف آن ها را مورد بحث قرار داده ایم: انواع آیتم های پیشنهاد شده، روش ها، الگوریتم ها، مدل های معماری،ابزارهای خروجی، پروفایل بندی و ارزیابی کاربر.نتایج بدست آمده می تواند برای نمایش مسیر و فرصت ها هم در تحقیقات و هم در عمل مفید باشند.

مرور مقالات؛ سیستم های توصیه گر،محتوای تلویزیون، محتوای مرتبط با تلویزیون