بررسی تکنیکهای فیلترینگ، دامنه ی کاربردی سیستمهای توصیه گر و پیشنهاد روشی جهت محاسبه شباهت در سیستم توصیه گر مشارکتی

سیستمهای توصیه گر برنامه هایی هستند که تلاش میکنند تا مناسبترین آیتمها، محصولات یا سرویسها را به کاربران خاصی یعنی افراد یا کسب و کارها توصیه کنند، بدین شکل که علایق و گرایش کاربر به یک آیتم را بر مبنای اطلاعات مربوط به آیتمها، کاربران و تعامل بین آیتمها و کاربران پیش بینی میکنند. هدف از توسعه ی سیستمهای توصیه گر این است که سربار اطلاعاتی را به وسیله ی بازیابی مرتبط ترین اطلاعات و سرویسها کاهش داده و بتوان سرویسهایی سفارشی و شخصی را برای کاربر تدارک دید. مهمترین ویژگی یک سیستم توصیه گر، توانایی آن در حدس گرایشها و علایق کاربر میباشد که برای اینکار، رفتار این کاربر و یا سایر کاربران را تحلیل نموده تا بتواند توصیه های سفارشی را ایجاد نماید. در این مرور به بررسی تکنیکهای فیلترینگ و دامنه ی کاربردی سیستمهای توصیه گر پرداخته شده است و در بخش آخر جهت محاسبه شباهت در سیستم توصیه گر مشارکتی یک روش معرفی و در انتها یک پیشنهاد آتی برای خوانندگانی که به این موضوع علاقه مند هستند معرفی شده است.