آرش خسروی - گروه مهندسی کامپیوتر، مرکز آموزش عالی محلات
محمدعلی صادقی - دانشکده مهندسی برق و کامپیوتر، دانشگاه غیردولتی شهاب دانش، قم

حجم بسیار و روبه رشد اطلاعات بر روی اینترنت، فرآیند تصمیم گیری و انتخاب اطلاعات، داده یا کالاهای موردنیاز را، برای بسیاریاز کاربران وب دشوار کرده است. سامانه های پیشنهاددهنده (توصیه گر)، باهدف رفع این چالش به وجود آمده اند و تلاش می کنند تا ازمیان حجم عظیم اطلاعات، اطلاعات خاص و مفید را با توجه به علاقه و سلیقه کاربر و تجربیات کاربران گذشته به وی پیشنهاد دهند.تاکنون سامانه های پیشنهاددهنده زیادی در زمینه های کاربردی متنوع ازجمله فیلم، موسیقی، کتاب و ... ایجادشده اند. انتخاب یک سفرمناسب، پیشنهاد هتل و ... با توجه به بودجه ی فرد، معمولا سختی ها و نگرانی های زیادی را برای کاربران به همراه دارد و عموما با صرفزمان و انرژی زیادی انجام می گیرد. لذا در این مقاله یک سیستم پیشنهاددهنده سفر و هتل ارائه می شود که از ترکیب روش فیلترهایمختلف ساخته شده است تا دقت آن دوچندان شود. این سیستم برای ارائه پیشنهادهای نهایی خود، سلایق کاربر جاری، کیفیتمجموعه های خدمات دهنده و تجربیات گذشته کاربران مشابه با کاربر جاری را مدنظر قرار داده و بدین ترتیب علاوه بر ارائه پیشنهادهایدقیق تر، مشکل شروع سرد را که معمولا برای کاربران جدید بروز می کند که در سیستم ثبت نام می کنند و سیستم هیچ اطلاعاتی ازنظرات یا علایق کاربر ندارد، نیز برطرف می نماید. در چنین شرایطی، سامانه ها معمولا از یادگیری فعال یا استفاده از ویژگی های شخصیتیکاربر، برای حل مشکل استفاده می کنند.

سیستم پیشنهاددهنده، فیلترینگ ترکیبی، الگوریتم خفاش، فیلترینگ مشارکتی، فیلترینگ مبتنی بر محتوی