نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی مالی، دانشگاه یزد، ایران

2 بخش حسابداری و مالی، پردیس علوم انسانی و اجتماعی، دانشگاه یزد، یزد، ایران

10.22105/imos.2021.290478.1117

چکیده

هدف: توسعه و پیشرفت علم و فن آوری، روزانه موجب ایجاد حجم زیادی از داده‌های ساختار یافته، نیمه‌ساختار یافته و بدون ساختار با سرعتی بسیار سریع از منابع مختلف گردیده که منجر به اشتراک گذاشتن الگوهای مشترک بسیاری شده، به‌نحوی که می‌توان با استفاده ازسیستم‌های توصیه کننده که بر اساس نیازهای کاربران طراحی شده، با فیلتر و تجزیه و تحلیل این داده‌هایشان، توصیه‌هایی مربوط به محصول، کالا یا خدمات مورد علاقه آنها ارائه داد. یکی از مسائل مهم در سیستم های توصیه کننده، ارائه توصیه های شخصی سازی شده متناسب با روحیات کاربران است.

روش‌شناسی پژوهش: در این پژوهش با رویکرد نگاشت دانش با استفاده از کتابخانه bibliometrix در نرم افزار R به‌مرور کلیه پژوهش‌های انجام‌شده در خصوص کاربرد سیستم‌های توصیه کننده در حوزه شخصی‌سازی پرداخته می شود.

یافته ‎ها: در این پژوهش با استفاده از روش نگاشت دانش، ضمن تعریف سیستم‌های توصیه کننده و انواع آن، به معرفی نمای کلی از حیطه شخصی‌سازی پرداخته و انواع مختلف شخصی‌سازی ارائه می‌شود. همچنین در مورد روند شخصی‌سازی بحث نموده و در خصوص سیستم‌های توصیه کننده به عنوان بخش جدایی ناپذیر از این فرایند نیز توضیحاتی مطرح شده است. در ادامه چالش‌هایی که برای پیاده‌سازی سیستم‌های توصیه کننده وجود دارد ارائه شده است و نهایتا حوزه‌هایی که بحث شخصی‌سازی سیستم‌های توصیه کننده می‌تواند در آن مطرح شود، ارائه می‌شود.

اصالت/ارزش افزوده علمی: نتایج این پژوهش با مروری جامع بر کلیه پژوهش‌های این حوزه می‌تواند به‌عنوان جعبه‌ابزاری در جهت کاربرد سیستم‌های توصیه کننده در حوزه شخصی‌سازی، محققان را در ایده پردازی و انتخاب روش مناسب در طبقه‌بندی و تحلیل داده‌ها یاری دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Typology of Personalization in Recommender Systems

نویسندگان [English]

  • Marziyeh Nourahmadi 1
  • Hojjatollah Sadeqi 2

1 Ph.D. Candidate in Financial engineering, Faculty of Economic ,Management and Accounting, Yazd University, Yazd, Iran

2 Department of Accounting and Finance, Faculty of Humanities and Social Sciences, Yazd University, Yazd, Iran

چکیده [English]

Purpose: With the development of science and technology, large volumes of structured, semi-structured, and unstructured data are generated daily at breakneck speeds from various sources. This data generated by different users share many common patterns that can be filtered and analyzed to make recommendations for a product, goods, or service of interest to users. Recommender systems are software tools that are used to provide suggestions to users based on their needs. One of the critical issues in recommender systems is providing personalized advice that fits the users' mood.

Methodology: In this research, with the bibliometrics approach using bibliometrix library in R software, all the researches done on the application of recommended systems in personalization is reviewed.

Findings: In this research, using the bibliometrics approach, while defining recommender systems and their types, an overview of the field of personalization is introduced, and different types of personalization are presented. It also discusses the process of personalization and describes recommender systems as an integral part of this process. The following are the challenges that exist for implementing recommendation systems, and finally, the areas in which the issue of personalization of recommendation systems can be raised.

Originality/Value: The results of this study with a comprehensive review of all research in this field can help researchers in ideation and selection of appropriate methods in classifying and analyzing data as a toolbox for the use of recommender systems in personalization.

کلیدواژه‌ها [English]

  • Personalization
  • Recommender systems
  • user personality
  • Bibliometrics Approach