سیستم‌های توصیه‌گر هوشمند در گردشگری: مروری تحلیلی بر رویکردها، چالش‌ها و چشم‌اندازها برای ایران

هدف این مقاله مرور نظام‌مند پژوهش‌های اخیر در زمینه سیستم‌های توصیه‌گر در گردشگری و تجارت الکترونیک با تاکید بر فرصت‌ها و چالش‌های بومی ایران است. بدین منظور، رویکرد پریسما برای شناسایی و انتخاب مقالات به‌کار گرفته شد و در نهایت 15 مقاله کلیدی منتشرشده بین سال‌های 2017 تا 2025 مورد بررسی قرار گرفت. این مقالات طی سه محور اصلی شامل سیستم‌های توصیه‌گر در گردشگری و تجارت الکترونیک، معماری‌ها و الگوریتم‌های ترکیبی، و فناوری‌های نوین نظیر واقعیت افزوده، شناسایی فرکانس رادیویی و کلان‌داده دسته‌بندی شدند. تحلیل نتایج نشان داد که پژوهش‌های بین‌المللی به سمت توسعه معماری‌های ترکیبی مبتنی بر یادگیری عمیق، پردازش زبان طبیعی و رایانش ابری حرکت کرده‌اند که دقت و اعتماد کاربران را افزایش داده است. در مقابل، مطالعات بومی ایران بیشتر بر محدودیت‌هایی مانند فقدان زیرساخت داده یکپارچه، ضعف پردازش زبان فارسی و ملاحظات فرهنگی تاکید دارند. برای رفع این چالش‌ها، مقاله حاضر یک مدل مفهومی چهارلایه ارائه می‌دهد که شامل جمع‌آوری داده، پردازش و استخراج ویژگی، ترکیب الگوریتم‌ها و لایه تعامل با کاربر است. این مدل با ادغام فناوری‌های نوین و توجه به نیازهای بومی، چارچوبی عملی برای توسعه گردشگری هوشمند در ایران فراهم می‌سازد. نوآوری مقاله در ترکیب دو منظر بین‌المللی و بومی و ارائه راهکاری ترکیبی برای ارتقای اعتماد، شخصی‌سازی و کارایی سیستم‌های توصیه‌گر است. نتایج این مرور می‌تواند به سیاست‌گذاران و توسعه‌دهندگان کمک کند تا مسیرهای پژوهشی آینده را در زمینه گردشگری دیجیتال ایران ترسیم نمایند.

intelligent recommender systems in tourism: an analytical review of approaches, challenges, and prospects for iran

the purpose of this article is to conduct a systematic review of recent research on recommender systems in tourism and e?commerce, with particular emphasis on the local opportunities and challenges in iran. using the prisma approach for identifying and selecting studies, fifteen key papers published between 2017 and 2025 were examined. these studies were categorized into three main themes: (1) recommender systems for tourism and e?commerce, (2) hybrid architectures and algorithms, and (3) emerging technologies such as augmented reality, radio?frequency identification, and big data analytics. the analysis revealed that international research trends have moved toward developing hybrid architectures based on deep learning, natural language processing, and cloud computing, which collectively enhance users’ accuracy and trust. in contrast, iranian studies have mainly highlighted limitations such as the lack of integrated data infrastructure, weak persian language processing, and cultural constraints. to address these issues, the present article proposes a four?layer conceptual model composed of data collection, feature extraction and processing, algorithmic integration, and user?interaction layers. by merging modern technologies with local needs, this model provides a practical framework for developing intelligent tourism solutions in iran. the novelty of this study lies in combining global and local perspectives and presenting a hybrid solution to improve the trust, personalization, and efficiency of recommender systems. the findings guide policymakers and developers in outlining future research paths for advancing digital tourism in iran.