محمود گل پرور - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشکده کامپیوتر، موسسه آموزش عالی پویش، قم، ایران
لیلا اسماعیلی - عضو هیات علمی، دانشگاه آزاد اسلامی، قم، ایران
علیرضا نمازی - عضو هیات علمی، موسسه آموزش عالی پویش، قم، ایران

افزایش روزافزون اطلاعات و نیاز انسان به حصول اطلاعات مفید و کاربردی در کمترین زمان ممکن، استفاده از سیستم های توصیه گر در حوزه های مختلف را الزامی کرده است. روش های مختلفی برای سیستم های توصیه گر شناسایی شده است. پالایش مشارکتی به عنوان یکی از روش ها با کارایی مناسب می باشد؛ اما یکی از مشکلات مهمی که این نوع سیستم های توصیه گر با آن روبرو هستند و همچنان مورد توجه پژوهشگران قرار دارد، مشکل شروع سرد است. وجود مشکل شروع سرد در سیستم های توصیه گر تجاری می تواند منجر به ارایه توصیه های نامناسب شود که این امر ضمن سلب اعتماد کاربر، باعث رنجش و انصراف کاربر از ادامه انجام فرایند خرید می شود. همچنین انتقال کاربر به سیستم های سنتی یا وب سایت های رقیب را به دنبال خواهد داشت. از این رو با توجه به اهمیت موضوع و نقش مهم سیستم های توصیه گر در مهندسی سیستم های تجارت الکترونیکی، این مقاله ضمن دسته بندی انواع سیستم های توصیه گر و تشریح مشکل شروع سرد به بررسی برخی از روش های بهبود مشکل شروع سرد در سیستم های توصیه گر می پردازد. در پایان نیز برای پژوهش های آینده پیشنهادهایی ارایه می شود

پالایش مشارکتی، پالایش مبتنی بر محتوا، روش های ترکیبی، سیستم های توصیه گر، شروع سرد، سیستم های تجارت الکترونیکی