محمد بهنیا - دانش آموخته دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)
فرساد زمانی بروجنی - استادیار و عضو هیأت علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)

حجم عظیم اطلاعات در فضای اینترنت باعث سردرگمی کاربران برای یافتن اطلاعات، کالا و یا خدمات مورد علاقه شان شده است. سیستم های پیشنهاد دهنده در جهت رفع این مشکل ایجاد شده اند. سیستم های پیشنهاد دهنده، سیستم های هوشمندی هستند که در جهت شخصی سازی اطلاعات طراحی شده اند. این سیستم ها قادرند اطلاعات مورد علاقه کاربران را از میان مخزن عظیمی از اطلاعات به عنوان پیشنهاد به آنها معرفی کنند. برای تولید پیشنهادات شخصی سازی شده، یک مدل سازی دقیق از ترجیهات کاربران مورد نیاز است که برای این مدل سازی دقیق نیاز به دانستن ترجیهات کاربران می باشد. استخراج اطلاعات مربوط به ترجیهات کاربران در مواردی به صورت صریح انجام می شود و در بعضی از موارد نیز باید به صورت ضمنی انجام گردد. برای سیستم های پیشنهاد دهنده الگوریتم های بسیاری ارائه شدهاست که از بین آنها، الگوریتم های فیلترینگ مشارکتی و فیلترینگ مبتنی بر محتوا محبوبیت بیشتری دارند. از مشکلاتی که این سیستم ها با آن روبرو هستند، می توان از مشکل شروع سرد و مقیاس پذیری نام برد. در این مقاله به مروری جامع بر روی سیستم های پیشنهاد دهنده می پردازیم.

سیستم های پیشنهاد دهنده، مشکل شروع سرد، فیلترینگ مشارکتی، فیلترینگ مبتنی بر محتوا، رهیافت فیلترینگ ترکیبی