با افزایش روز افزون اهمیت اینترنت در زندگی انسانها، وب سایت ها به یک ابزار بسیار مهم در تجارت الکترونیک جهت انجام معاملات روزانه تبدیل شده اند. رشد تصاعدی حجم اطلاعات در سایت های اینترنتی، سبب سردرگمی کاربران اینترنت، جهت یافتن اطلاعات مناسب با سلایق ایشان شده است. سیستم های توصیه گر با استفاده از تکنیک های نرم افزاری، سعی در ارائه پیشنهادهای متناسب با سلایق کاربران برای ایشان را دارند. این سیستم ها سبب صرفه جویی در هزینه و زمان برای کاربران اینترنت می شوند. در این مقاله مروری به تعاریف، چالش ها و انواع روشهای فیلترسازی اطلاعات در سیستم های توصیه گر پرداخته می شود. نقاط ضعف و قوت هرکدام به بحث گذاشته شده و در انتها نتیجه گیری نهایی از مطالب ذکر شده بیان خواهد شد.

Recommender Systems, Content-based Filtering, Collaborative Filtering, Hybrid Filtering, سیستم های توصیه گر, فیلترسازی محتوامحور, فیلترسازی مشارکتی, فیلتر سازی هیبریدی