خلاصه ماشینی:
naW &%TEG027G% (ورانستالتونگ1،2008)سیستمهای پیشنهاددهنده در هر حوزه،سعی دارند با شناسایی و مدلسازی رفتار کاربران،رفتار و نیازهای آیندۀ آنها را تشخیص دهند و از میان انبوه اطلاعات،گزینههایی را که بیشتر مورد علاقه و رضایت آنهاست،پیشنهاد کنند.
سیستمهای پیشنهاددهنده در کتابخانههای دیجیتال تحقیقات نشان داده است بسیاری کاربران در محیط جستوجو با وارد کردن کلید واژه قادر نیستند اطلاعاتی را که میخواهند،پیدا کنند و نتایجی که سیستم بازیابی میکند همیشسه دلخواه آنها نیست.
به عنوان مثال در یک سیستم پیشنهاددهنده در کتابخانه براساس روش محتوا مبنا، ابتدا کلیۀ شباهتهای میان کتابهایی که کاربر در گذشته به آنها امتیاز بالایی داده است شناسایی میشود،سپس با مقایسۀ این شباهتها با علاقهمندیهای کاربر،مرتبطترین آنها انتخاب و به وی پیشنهاد میشود(بالابانووویچ و یوآو،1997).
nehC & gnuhC gnauH (به تصویر صفحه مراجعه شود) در سال 2003 پروژهای برای ساخت سیستم پیشنهاددهنده دیگری راهاندازی شد که بعدها یکی از معروفترین سیستمهای پیشنهاددهنده در کتابخانههای دیجیتال به نام ملوی1از آن تأثیر گرفت.
8002 yluJ 51-21,gnimnuK,scitenrebyC dna gninraeL enihcaM no ecnerefnoC lanoitanretnI htneveS eht fo sgnideecorP,"ruoivaheB gnidaeR no desab metsys noitadnemmoceR noitamrofnI fo hcraeseR".
loV,gnitupmoC fo lanroJ,"yrarbiL latigiD a ni noitamrofnI fo noitanimessiD evitceleS rof metsyS erawA txetnoC desab-ygolotnO nA".
loV;seireS gnideecorP ecnerefnoC lanoitanretnI MCA,"seussI hcraeseR dna seigolonhceT:smetsyS rednemmoceR desab-tniartsnoC".
C. D,notgnihsaW(tnemeganaM egdelwonK dna noitamrofni no ecnerefnoC lanoitanretni MCA htneetrihT eht fo sgnideecorP nI.
loV,yrarbiL cinortcelE ehT,"snoitcelloc hsilgnE rof euqinhcet gniretlif evitaroballoc dna ledom ygolotno lanosrep a no desab metsys rednemmocer yrarbil A".
loV,lanruoJ lanoitanretnI na:tnemeganaM dna gnissecorP noitamrofnI,"tnemnorivne yrarbil latigid evitaroballoc a ni metsys noitadnemmocer A".