fa مروری بر چالش‌ها و روشهای فیلترسازی در سیستم‌های توصیه‌گر تخصصي Special علمی- ترویجی Scientific-extension <strong><span style="font-style:normal;"><span style="font-family:B Nazanin;"><span style="font-size:10.0pt;">با افزایش روز افزون اهمیت اینترنت در زندگی انسانها، وب‌سایت‌ها به یک ابزار بسیار مهم در تجارت الکترونیک جهت انجام معاملات روزانه تبدیل شده‌اند. رشد تصاعدی حجم اطلاعات در ‌سایت‌های اینترنتی</span></span></span></strong><strong><span style="font-style:normal;"><span style="font-family:B Nazanin;"><span style="font-size:10.0pt;">،</span></span></span></strong><strong><span style="font-style:normal;"><span style="font-family:B Nazanin;"><span style="font-size:10.0pt;"> سبب سردرگمی کاربران اینترنت، جهت یافتن اطلاعات مناسب با سلایق ایشان شده است. سیستم‌های توصیه‌گر با استفاده از تکنیک‌های نرم‌افزاری، سعی در ارائه پیشنهادهای متناسب با سلایق کاربران برای ایشان را دارند. این سیستم‌ها سبب صرفه جویی در هزینه و زمان برای کاربران اینترنت می‌شوند. در این مقاله مروری به تعاریف، چالش‌ها و انواع روشهای فیلترسازی اطلاعات در سیستم‌های توصیه‌گر پرداخته می‌شود. نقاط ضعف و قوت هرکدام به بحث گذاشته شده و در انتها نتیجه‌گیری نهایی از مطالب ذکر شده بیان خواهد شد.</span></span></span></strong> With the increasing importance of the Internet in the lives of people, websites have become a very important tool in e-commerce for daily transactions. The exponential growth of information on websites has confused Internet users to find suitable information in the line of their tastes. Recommender systems, using software techniques, try to offer suggestions tailored to their users&#39; preferences. These systems, which have become an efficient tool in the field of Computer Science, save time and money for Internet users. In this review article definitions, challenges and types of information filtering methods in recommender systems are discussed. The advantages and disadvantages of each method will be discussed and the final conclusions will be drawn. سیستم‌های توصیه‌گر, فیلترسازی محتوامحور, فیلترسازی مشارکتی, فیلتر‌سازی هیبریدی Recommender Systems, Content-based Filtering, Collaborative Filtering, Hybrid Filtering 27 34 http://kiaeee.ir/browse.php?a_code=A-10-154-2&slc_lang=fa&sid=1 دانیال شریف رازی 1003194753284600841 1003194753284600841 No گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد شیراز محمد امین شایگان 1003194753284600842 1003194753284600842 No گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد شیراز