در بسیاری از موارد، کاربر نهایی تنها ذینفع یک سیستم توصیه گر نیست و بای د توجه به نیازها و انتظارات سایر ذینفعان نیز داشته باشیم . این چالش به ویژه در پلتفرمهای چند جانبه مانند بازارهای آنلاین که خریداران و فروشندگان را در یک مکان گرد هم میآورند، به وجود میآید . مثالهای ارائه شده نشان میدهد که در برخی حوز هها، کاربران تنها ذینفع نیستند و سایر اشخاص و شرکتها نیز در فرآیند تصمیمگیری و انجام تعاملات مشارکت دارند. این موضوع مهم است زیرا تمرکز انحصاری بر روی نیازها و ترجیحات کاربر نهایی ممکن است به نتایج نامطلوبی برای دیگر ذینفعان منجر شود . برای رفع این مشکل روش پیشنهادی این پژوهش ارائه یک سیستم توصیه گر چند ذینفع با استفاده از الگوریتم تکاملی چند هدفه مبتنی بر تجزیه است به منظور ارزیابی اثربخشی راه حل و مقایسه آن با کارهای موجود، از معیارهای میانگین خطای مطلق، تنوع محصولات و پوشش ارائه دهندگان استفاده شده است، نتایج پژوهش نشان داد که روش پیشنهادی در مقایسه با الگوریتم ژنتیک چند هدفه در مجموعه داده های ML100K و ML1M به ترتیب به مقادیر 38.17 % و 49.79 % برای پوشش ارائه دهندگان ، 17.41 % و 18.62% مقادیر بالاتر برای تنوع محصولات ، و تنها 55.12 % و 52.58 % از دست دادن دقت در مقایسه با الگوریتم ژنتیک ارائه کرده است که نشان دهنده عملکرد بهتر روش پیشنهادی است. به عبارتی روش پیشنهادی تعداد بیشتری از ارائه دهندگان را تحت پوشش قرار داده است به طوری که باعث افزایش خدمات و رضایت بیشتر ارائه-دهندگان و تنوع محصولات پیشنهادی شده است.
