سیستم توصیه گر یا سامانه توصیه گر که به انگلیسی به آن Recommender System گفته میشود نوعی سیستم هوشمند است که به کاربران خود ، توصیه هایی بر اساس رفتار قبلی او و شناختی که از او دارد میدهد.
سیستم های پیشنهاد دهنده (RS) یک مجموعه بزرگ از اقلام برای پیش بینی آیتم های جالب برای یک کاربر خاص استفاده میکنند.
هدف نهایی این است که آیتم هایی که با علایق کاربر بهتر تطابق دارند توصیه شوند.
آیتم یک مفهوم کلی است و میتواند فیلم، کتاب، موسیقی و یا هر چیز قابل مصرفی باشد.
با توجه به هدف تجارت الکترونیک، بسیاری از وب سایت های تجاری بعنوان مثال Amazon.com و CDnow.com و eBay و Levis و Moviefinder.com و غیره سرویس های توصیه گر خود را ایجاد کرده اند.
به طور کلی، سیستمهای توصیه گر در سه دسته،
- فیلتر مشارکتی (CF)،
- مبتنی بر محتوی
- و سیستم های توصیه گر ترکیبی
دسته بندی میشوند.
فیلترمشارکتی یا Collaborative Filterring بصورت گسترده در سیستم های توصیه گر استفاده شده است و یکی از موفق ترین روش های توصیه تا کنون می باشد .
توصیه گر CF را میتوان به دو دسته :
- مبتنی بر کاربر
- مبتنی بر آیتم
تقسیم کرد .
سیستم توصیه گر در 1992 توسط گلدبرگ و همکاران معرفی شد.
در ادبیات، سیستم توصیه گر به سه دسته فیلتر مشارکتی، مبتنی بر محتوا و سیستم ترکیبی تقسیم شده اند.
تکنیک های CF از امتیازهای آیتم ها برای پیدا کردن شباهت بین کاربران، که توصیه بعنوان یک میانگین وزن دار امتیاز کاربران مشابه برای ایتم هدف محاسبه میشود.
این درحالی است که روشهای توصیه مبتنی بر محتوی مجموعه ای از شرح آیتم هایی که قبلا توسط کاربر امتیازدهی شده اند را تجزیه و تحلیل میکند و سپس یک پروفایل از علاقه های کاربر بر اساس ویژگی های آیتم هایی که توسط کاربر امتیاز داده شده اند را ایجاد میکند.
از سوی دیگر، سیستم های توصیه گر ترکیبی هر دوی این روش ها را برای دست یابی به مزایای آنها با هم ترکیب میکنند.
