مروری بر تکنیک ها و الگوریتم های سیستم های توصیه گر مبتنی بر اعتماد

با توجه به رشد سریع سیستم های اطلاعاتی و وجود حجم زیادی از اطلاعات در شبکه جهانی نیاز به سیستم هایی که شبکه جهانی نیاز به سیستم هایی که شبکه جهانی را برای کاربر سفارشی کنند احساس شده است. از طرفی نیاز روز افزون کاربران به وب مفهومی نیز بر اهمیت این موضوع افزوده است، بنابراین سیستم های توصیه گر به عنوان راه حلی برای این معضل معرفی شدند. این سیستم ها به طور هوشمند و با استفاده از تکنیک های هوش مصنوعی به شناسایی علایق کاربران خود در فضای اینترنت پرداخته و پیشنهادی متناسب با اولویت ها و محدودیت های وی به کاربر ارایه می دهند. در سال های اخیر از تکنیک ها و روش های مختلف آماری، داده کاوی، هوش مصنوعی و الگوریتم های ریاضی در پیاده سازی سیستم های توصیه گر مورد استفاده قرار گرفته است. این روش ها، تکنیک ها و الگوریتم ها به لحاظ سرعت، هزینه اجرا، دقت، تک هدفی یا چند هدفی بودن، در نظر گرفتن نیازهای کوتاه مدت و بلند مدت کاربران با یکدیگر تفاوت دارند و هریک در پاره ای از موضوعات کاربرد مناسب تر و راندمان بهتری دارند، لذا باید در حوزه های مختلف و از ابعاد گوناگون مورد بررسی قرار گیرند.