سیستم های پیشنهاد دهنده ترکیبی: مروری بر روش های مبتنی بر یادگیری ماشین و هوش مصنوعی

با توسعه فضای اینترنت، تعداد آیتم هایی که در فضای وب و وبسایت ها منتشر می شوند روز به روز افزایش می یابد که این امر منجر به سرریز اطلاعات می شود. این حجم بالای محتوا(آیتم یا محصول) منجر به سردرگمی کاربران می شود که ممکن است از فرصت های موجود بی بهره بمانند و یا در تصمیم گیری دچار مشکل شوند و حتی تصمیم درستی نگیرند. موتور جستجوی گوگل یا سایر موتورهای جستجوی تا حد زیادی این مشکل را مرتفع ساخته اند اما وجود یک سیستم که توانایی اتوماتیک کردن پیشنهادات به کاربران را داشته باشد، بیش از پیش ضروری می باشد. بدین ترتیب سیستم های پیشنهاد دهنده با هدف انتخاب محتوای(آیتم یا فیلم) مورد نیاز کاربران فضای وب ارائه شدند. سیستم های توصیه گر ابزارهایی هوشمندی هستند که به صورت خودکار پیشنهاداتی را برای کاربران در یک بستر آنلاین ارائه می کنند. این پیشنهادات می توانند محصولات در وبسایت‌های فروشگاهی، فیلم و سریال در پلت فرم‌های پخش آنلاین، موسیقی، مقالات خبری یا هرگونه آیتم دیگری باشند. هدف این سیستم ها کمک به کاربران برای کشف گزینه های جذاب و کاهش بار انتخاب از میان دریایی از اطلاعات است. این سیستم ها باید متناسب با علایق یا سلایق کاربران توصیه را ارائه کنند. تاکنون پژوهش های زیادی در زمینه سیستم های پیشنهاد دهنده ارائه شده شده است که نشان دهنده نقش مهم و انکار ناپذیر این سیستم ها در تجارت الکترونیک امروزی است. از این رو در این پژوهش مروری بر روش های مبتنی بر هوش مصنوعی و یادگیری ماشین صورت خواهد گرفت.