یکی از مسائل مهم دنیای مدرن امروز، فراوانی اطلاعات است. از این رو برای کمک به انتخاب بهترین گزینه ممکن از میان حجم وسیع اطلاعات، سیستم های توصیه گر ظهور کردند. در سال های اخیر استفاده از سیستم های توصیه گر بسیار متداول شده است. چالش های موجود در دادگان این سیستم ها، تحقیق را برای ارائه الگوریتم های با دقت پیشنهادی بالا جذاب کرده است. این نوع سیستم ها بر اساس سلیقه کاربر عمل می کنند. البته این حقیقت باید در نظر گرفته شود که سلیقه کاربر در طی زمان به طور مداوم تغییر می کند. به علاوه مدل کردن سلیقه کاربر به صورت پویا یک چالش بزرگ برای ارائه توصیه های شخصی سازی شده به کاربر است. در سیستم های پالایش گروهی بکارگیری اطلاعات اجتماعی و به عبارت دیگر، اطلاعات مربوط به دوستان کاربر که به عنوان اطلاعات اعتماد شناخته می شوند، می توانند جهت ارائه توصیه های دقیق تر به کاربران مورد استفاده قرار گیرند. در واقع، اساس سیستم های توصیه گر مبتنی بر اعتماد، جستجوی افراد مورد اعتماد است. در نتیجه، استفاده از اطلاعات اجتماعی و در نظر گرفتن تغییر سلیقه کاربران در طی زمان دقت و کیفیت سیستم های توصیه گر را بهبود خواهد داد. در این پایان نامه دو روش جدید به منظور بهبود کارایی سیستم های توصیه گر مبتنی بر زمان معرفی شده است. در واقع، با استفاده از اطلاعات اجتماعی، علاوه بر رفع ضعف های مربوط به سیستم های پالایش گروهی، میزان دقت و پوشش بهبود پیدا کرده است. برای این منظور، در روش پیشنهادی اول، با استفاده از تشخیص جوامع هم پوشان و استخراج قوانین انجمنی، کاربران هم سلیقه با کاربر هدف شناسایی شده و بر اساس آن فرآیند توصیه صورت می پذیرد. علاوه بر این، در روش پیشنهادی دوم، با ترکیب مفهوم اعتماد، زمان و شباهت در سیستم های توصیه گر، کارایی این سیستم ها در بهبود خطا و پوشش بر روی کاربران و آیتم ها افزایش یافته است.
