گونه شناسی شخصی سازی در سیستم‌های توصیه کننده

هدف: توسعه و پیشرفت علم و فن‌آوری، روزانه موجب ایجاد حجم زیادی از داده های ساخت‌یافته، نیمه ساختاریافته و بدون ساختار با سرعتی بسیار سریع از منابع مختلف گردیده که منجر به اشتراک گذاشتن الگوهای مشترک بسیاری شده به‌نحوی‌که می توان با استفاده از سیستم‌های توصیه کننده که بر اساس نیازهای کاربران طراحی شده با فیلتر و تجزیه‌وتحلیل این داده هایشان، توصیه هایی مربوط به محصول، کالا یا خدمات مورد علاقه آن‌ها ارائه داد. یکی از مسائل مهم در سیستم‌های توصیه کننده ارائه توصیه‌های شخصی‌سازی شده متناسب با روحیات کاربران است.روش‌شناسی پژوهش: در این پژوهش با رویکرد نگاشت دانش با استفاده از کتابخانه bibliometrix در نرم‌افزار r به‌مرور کلیه پژوهش‌های انجام‌شده در خصوص کاربرد سیستم های توصیه کننده در شخصی سازی پرداخته می شود.یافته ها: در این پژوهش با استفاده از روش نگاشت دانش ضمن تعریف سیستم های توصیه کننده و انواع آن، به معرفی نمای کلی از حیطه شخصی سازی پرداخته و انواع مختلف شخصی سازی ارائه می شود. همچنین در مورد روند شخصی سازی بحث نموده و در خصوص سیستم های توصیه کننده به‌عنوان بخش جدایی‌ناپذیر از این فرایند نیز توضیحاتی مطرح شده است. در ادامه چالش هایی که برای پیاده سازی سیستم های توصیه کننده وجود دارد ارائه شده است و نهایتاً حوزه هایی که بحث شخصی سازی سیستم های توصیه کننده می تواند در آن مطرح شود، ارائه می شود.اصالت/ارزش افزوده علمی: نتایج این پژوهش با مروری جامع بر کلیه پژوهش‌های این حوزه می‌تواند به‌عنوان جعبه‌ابزاری در جهت کاربرد سیستم های توصیه کننده در شخصی سازی محققان را در ایده پردازی و انتخاب روش مناسب در طبقه‌بندی و تحلیل داده‌ها یاری دهد.

Typology of personalization in recommender systems

Purpose: With the development of science and technology, large volumes of structured, semistructured, and unstructured data are generated daily at breakneck speeds from various sources. This data generated by different users share many common patterns that can be filtered and analyzed to make recommendations for a product, goods3, or service of interest to users. Recommender systems are software tools that are used to provide suggestions to users based on their needs. One of the critical issues in recommender systems is providing personalized advice that fits the users’ mood.Methodology: In this research, with the bibliometrics approach using bibliometrix library in R software, all the researches done on the application of recommended systems in personalization is reviewed.Findings: In this research, using the bibliometrics approach, while defining recommender systems and their types, an overview of the field of personalization is introduced, and different types of personalization are presented. It also discusses the process of personalization and describes recommender systems as an integral part of this process. The following are the challenges that exist for implementing recommendation systems, and finally, the areas in which the issue of personalization of recommendation systems can be raised.Originality/Value: The results of this study with a comprehensive review of all research in this field can help researchers in ideation and selection of appropriate methods in classifying and analyzing data as a toolbox for the use of recommender systems in personalization.