سیستم های توصیه گر امروزه به عنوان یک ابزار مهم در کمک به مشتریان برای یافتن آیتم های مورد علاقه خود بسیار مورد توجه است. سیستم های مبتنی بر فیلترینگ تجمعی به عنوان یکی از انواع سیستم های توصیه گر به پیش بینی علایق افراد بر اساس علایق قبلی آنان و شباهت علایقشان به سایر افراد می پردازد. اما چالش اصلی وجود کاربران مشابهی است که آیتم های مشابهی را در این سیستم مشاهده نکرده اند و در نتیجه این سیستم از چالش خلوت بودن ماتریس نظرات کاربران رنج می برد. در این سخنرانی به ارائه راه حل هایی بر اساس پیش بینی علایق بر اساس الگوی رفتار مشتریان و همچنین میانجی گری مطمئن کاربران مرجع با آمار بازدید قبلی زیاد می پردازیم.
