توسعه کاربرد سیستم های توصیه گر: مرور
اهداف اصلی سیستم‌های توصیه گر، فراهم نمودن توصیه‌های شخصی‌سازی‌شده برای سرویس‌ها و محصولات آنلاین به‌منظور افزایش استفاده از اطلاعات آنلاین و بهبود مدیریت روابط مشتریان است. تکنیکهای بسیار متنوعی برای ارائه سیستم‌های توصیه گر از اواسط سال 1990 پیشنهاد شده است و در سال‌های اخیر نیز بخش بسیار گسترده‌ای از سیستم‌های توصیه گر برای کاربردهای متنوع توسعه یافته‌اند. مدیران و محققان به این نتیجه رسیده‌اند که سیستم‌های توصیه گر قادر به ارائه فرصت‌ها و چالش‌هایی برای تجارت، دولت، تحصیلات و سایر حوزه‌ها هستند. با موفقیت‌های اخیر به دست آمده، از توسعه سیستم‌های توصیه گر برای کاربردهای دنیای واقعی نیز استفاده می‌شود. با این حال، مشخص است که ارائه یک مرور با کیفیت از تمایلات فعلی می‌تواند بسیار مفید باشد که علاوه بر نتایج تحقیقات تئوری بتواند توسعه‌های جزئی در سیستم‌های توصیه گر را نیز به نمایش بگذارد. از این رو در این مقاله، یک مرور از توسعه‌های کاربردی به روز از سیستم‌های توصیه گر ارائه شده و کاربردهای مختلف این سیستم‌ها به هشت مجموعه اصلی زیر دسته‌بندی می‌شوند: دولت الکترونیک، خرید الکترونیک، تجارت الکترونیک، کتابخانه الکترونیک، یادگیری الکترونیک، گردشگری الکترونیک، سرویس منابع الکترونیک و فعالیت‌های گروهی الکترونیک تقسیم نمود. ازنقطه‌نظر سیستماتیک، سیستم‌های توصیه گر را می‌توان از چهار بعد مختلف مورد ارزیابی قرار داد: روش‌های ارائه توصیه (از قبیل CF)، نرم‌افزار سیستم‌های توصیه گر (از قبیل BizSeeker)، دامنه‌های کاربرد دنیای واقعی (از قبیل تجارت الکترونیک) و پلت فرم‌های کاربردی (از قبیل پلت فرم مبتنی بر موبایل). برخی از موضوعات جدید نیز در این زمینه شناسایی شده و به‌عنوان مسیرهای تحقیقاتی جدید لیست می‌شوند. با ارائه کارهای قبلی انجام شده در این زمینه، این مقاله مروری به صورت مستقیم قادر به پشتیبانی از محققین و دانشمندان به‌منظور درک توسعه‌های اخیر در کاربردهای مختلف سیستم‌های توصیه گر خواهد بود.
Recommender System Application Developments: A Survey
Decision Support Systems Volume 74, June 2015, Pages 12-32
Abstract
A recommender system aims to provide users with personalized online product or service recommendations to handle the increasing online information overload problem and improve customer relationship management. Various recommender system techniques have been proposed since the mid-1990s, and many sorts of recommender system software have been developed recently for a variety of applications. Researchers and managers recognize that recommender systems offer great opportunities and challenges for business, government, education, and other domains, with more recent successful developments of recommender systems for real-world applications becoming apparent. It is thus vital that a high quality, instructive review of current trends should be conducted, not only of the theoretical research results but more importantly of the practical developments in recommender systems. This paper therefore reviews up-to-date application developments of recommender systems, clusters their applications into eight main categories: e-government, e-business, e-commerce/e-shopping, e-library, e-learning, e-tourism, e-resource services and e-group activities, and summarizes the related recommendation techniques used in each category. It systematically examines the reported recommender systems through four dimensions: recommendation methods (such as CF), recommender systems software (such as BizSeeker), real-world application domains (such as e-business) and application platforms (such as mobile-based platforms). Some significant new topics are identified and listed as new directions. By providing a state-of-the-art knowledge, this survey will directly support researchers and practical professionals in their understanding of developments in recommender system applications.
