Nel moderno commercio elettronico non è facile per i clienti trovare i prodotti migliori di loro interesse, poiché ci sono milioni di prodotti disponibili online. I sistemi di raccomandazione sono uno dei sistemi di filtraggio delle informazioni che prevedono gli articoli che possono essere di maggiore interesse per l'utente all'interno di un grande insieme di articoli sulla base degli interessi dell'utente. Questo sistema utilizza il filtro collaborativo, che offre alcune raccomandazioni agli utenti sulla base delle corrispondenze negli esempi comportamentali e utili degli utenti e inoltre dimostra esempi affettivi e comportamentali comparabili con questi utenti. Questo libro presenta un approccio al sistema di raccomandazione per generare raccomandazioni significative a un insieme di utenti per articoli o prodotti che potrebbero interessarli. Questo approccio utilizza un sistema di raccomandazione ibrido ponderato che combina un sistema di raccomandazione basato sui contenuti e un sistema di raccomandazione basato sulla conoscenza, al fine di aumentare le prestazioni complessive del sistema. L'idea principale è quella di utilizzare più tecniche di raccomandazione per eliminare gli svantaggi delle tecniche tradizionali o di una singola tecnica in un modello combinato. Questo libro presenta un sistema per migliorare l'accuratezza della raccomandazione.