چکیده:

سیستم‌ های توصیه‌ گر بخش جدایی‌ناپذیر از هر فروشگاه تجارت الکترونیک برای حفظ و رقابت با دیگر کسب‌ و کارهای در حال رشد هستند. روش‌ های توصیه‌ گر مختلفی وجود دارد که برای توصیه دادن یک محصول به یک کاربر فعال به‌ صورت مناسب استفاده می‌ شوند. این مقاله روش‌ های مختلفی را برای ارزیابی داده‌ ها از یک خرده‌ فروش اینترنتی برای کارایی، مقیاس‌ پذیری و دقت ارائه می‌ دهد و به‌ این‌ ترتیب محصول توصیه‌ شده مناسب را با استفاده از یک سیستم توصیه‌ گر فراهم می‌ کند. در این مقاله، روش‌ هایی همچون سیستم توصیه مبتنی بر محتوا، سیستم گروهی، سیستم توصیه آگاه از زمینه، توصیه مبتنی بر دانش، سیستم‌ های هیبریدی (ترکیبی) و غیره، تعریف و شرح داده می‌ شوند. همچنین این مقاله چالش‌ های مختلفی را که هر یک از سیستم‌ های توصیه با آن مواجه بوده و می‌ توان با استفاده از سیستم‌ های هیبریدی بر آن‌ ها فائق آمد، شرح می‌ دهد.

---

کلیدواژه‌ها: سیستم توصیه؛ توصیه مبتنی بر محتوا؛ فیلتر گروهی؛ رویکرد هیبریدی (ترکیبی)؛ سیستم های توصیه گر