مرضیه نوراحمدی - گروه مهندسی مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران.
حجت الله صادقی - گروه مالی و حسابداری، دانشکده مدیریت و اقتصاد، دانشگاه یزد، یزد، ایران.

هدف: توسعه و پیشرفت علم و فن آوری، روزانه موجب ایجاد حجم زیادی از داده­های ساخت یافته، نیمه ساختاریافته و بدون ساختار با سرعتی بسیار سریع از منابع مختلف گردیده که منجر به اشتراک گذاشتن الگوهای مشترک بسیاری شده به نحوی که می­توان با استفاده از سیستم های توصیه کننده که بر اساس نیازهای کاربران طراحی شده با فیلتر و تجزیه وتحلیل این داده­هایشان، توصیه­هایی مربوط به محصول، کالا یا خدمات مورد علاقه آن ها ارائه داد. یکی از مسائل مهم در سیستم های توصیه کننده ارائه توصیه های شخصی سازی شده متناسب با روحیات کاربران است.روش شناسی پژوهش: در این پژوهش با رویکرد نگاشت دانش با استفاده از کتابخانه bibliometrix در نرم افزار R به مرور کلیه پژوهش های انجام شده در خصوص کاربرد سیستم­های توصیه کننده در شخصی­سازی پرداخته می­شود.یافته ها: در این پژوهش با استفاده از روش نگاشت دانش ضمن تعریف سیستم­های توصیه کننده و انواع آن، به معرفی نمای کلی از حیطه شخصی­سازی پرداخته و انواع مختلف شخصی­سازی ارائه می­شود. همچنین در مورد روند شخصی­سازی بحث نموده و در خصوص سیستم­های توصیه کننده به عنوان بخش جدایی ناپذیر از این فرایند نیز توضیحاتی مطرح شده است. در ادامه چالش­هایی که برای پیاده­سازی سیستم­های توصیه کننده وجود دارد ارائه شده است و نهایتا حوزه­هایی که بحث شخصی­سازی سیستم­های توصیه کننده می­تواند در آن مطرح شود، ارائه می­شود.اصالت/ارزش افزوده علمی: نتایج این پژوهش با مروری جامع بر کلیه پژوهش های این حوزه می تواند به عنوان جعبه ابزاری در جهت کاربرد سیستم­های توصیه کننده در شخصی­سازی محققان را در ایده پردازی و انتخاب روش مناسب در طبقه بندی و تحلیل داده ها یاری دهد.

شخصی سازی, سیستم های توصیه کننده, شخصیت کاربر, نگاشت دانش