بررسی چالش ها، فرصت های تجاری و معیارهای الگوریتم های سیستم های توصیه گر

سیستم های توصیه گر به طور گسترده ای برای ارائه توصیه هایی بر اساس ترجیحات کاربران استفاده می شوند. با افزایش روزافزون حجم اطلاعات آنلاین ، سیستم های توصیه گر ابزار مفیدی برای غلبه بر اضافه بار اطلاعات بوده اند. استفاده از سیستم های توصیه گر را نمی توان اغراق کرد، با توجه به تاثیر بالقوه آن برای بهبود بسیاری از چالش های بیش از حد است . انواع مختلفی از سیستم های توصیه با روش ها و مفاهیم مختلف وجود دارد. برنامه های کاربردی مختلف سیستم های توصیه ای را اتخاذ کرده اند، از جمله تجارت الکترونیک ، مراقبت های بهداشتی ، حمل و نقل ، کشاورزی و رسانه . این مقاله چشم انداز فعلی تحقیقات سیستم های توصیه گر را ارائه می کند و جهت گیریها را در این زمینه در کاربردهای مختلف شناسایی می کند. این مقاله مروری بر وضعیت فعلی هنر در سیستم های توصیه ، انواع چالش ها، محدودیت ها و پذیرش کسب و کار ارائه می دهد. برای ارزیابی کیفیت یک سیستم توصیه ، معیارهای ارزیابی کیفی در این مقاله مورد بحث قرار گرفته است .

کلیدواژه ها:

سیستم های توصیه ، یادگیری ماشینی ، اعتبار سنجی ، برنامه های کاربردی تجاری