<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>موسسه انتشارات بین المللی چتر اندیشه</PublisherName>
      <JournalTitle>فصلنامه پژوهش های علوم مدیریت</JournalTitle>
      <Issn>2717-1361</Issn>
      <Volume>6</Volume>
      <Issue>4</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>01</Month>
        <Day>23</Day>
      </PubDate>
    </Journal>

    <ArticleTitle>A review of the use of open-link data in recommender systems.</ArticleTitle>
    <VernacularTitle>مروری بر کاربرد داده های پیوند باز در سیستم های توصیه گر</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>12</LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>فرهنگ</FirstName>
                <Affiliation>استادیار، گروه مهندسی کامپیوتر ، اسفراین، مجتمع آموزش عالی فنی و مهندسی اسفراین، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>مرتضی</FirstName>
                <Affiliation>دانشجوی کارشناسی ارشد، گروه کامپیوتر، بجنورد، موسسه آموزش عالی غیر دولتی اشراق، ایران</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year>2024</Year>
        <Month>06</Month>
        <Day>03</Day>
      </PubDate>
    </History>

    <Abstract>Recommender systems are efficient tools for filtering online information that have become popular due to changing computer users&amp;rsquo; habits, personalization trends, and increasing access to the Internet. Even though recent recommender systems are outstanding in providing accurate recommendations, they face various limitations and challenges such as scalability, data fragmentation, etc. Due to the existence of diverse techniques, the selection of techniques becomes complicated when building application-focused recommender systems. Moreover, each technique has its own set of features, advantages, and disadvantages. In this paper, we provide an overview and critical review of recommender systems and their advantages, as well as open-loop methods in recommender systems, and review the related work done in this area. This research will provide guidance for future research in the field of recommender systems.</Abstract>
    <OtherAbstract Language="FA">سیستم‌های توصیه‌گر ابزارهای کارآمدی برای فیلتر کردن اطلاعات آنلاین هستند که به دلیل تغییر عادات کاربران کامپیوتر، روندهای شخصی‌سازی و دسترسی روزافزون به اینترنت، رایج شده‌اند. حتی با وجود اینکه سیستم‌های توصیه‌گر اخیر در ارائه توصیه‌های دقیق برجسته هستند، با محدودیت‌ها و چالش‌های مختلفی مانند مقیاس‌پذیری، شروع پراکندگی داده‌ها مواجه هستند. به دلیل وجود تکنیک‌های متنوع، انتخاب تکنیک‌ها هنگام ساخت سیستم‌های توصیه‌گر متمرکز بر کاربرد پیچیده می‌شود. علاوه بر این، هر تکنیک دارای مجموعه‌ای از ویژگی‌ها، مزایا و معایب خاص خود است. در این مقاله ما به مروری کلی و انتقادی از سیستم های توصیه گر و مزایا آنها و نیز روش های پیوند باز در سیستم های توصیه&amp;not;گر می پردازیم و کارهای مرتبط انجام شده در این حوزه را مورد بررسی قرار می دهیم. این تحقیق راهنمایی برای تحقیقات آینده در زمینه سیستم‌های پیشنهاددهنده ارائه خواهد داد.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Recommender systems</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">open link data</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">information</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/3814534</ArchiveCopySource>
  </Article>
</ArticleSet>
