با گسترش روز افزون کاربرد وب در زندگی امروزی، از یک سو منابع غنی ای از اطلاعات برای کاربران فراهم شده است و از سوی دیگر کاربران را با سربار اطلاعات مواجه می کند. یافتن دانش مرتبط با موضوعی خاص در میان حجم انبوهی از اطلاعات، کاری بسیار وقت گیر و مشکل است. بنابراین وجود یک سیستم هوشمند که بتواند مناسب ترین منابع و محصولات را بر اساس شرایط و سلایق خاص هر کاربر به وی پیشنهاد دهد، امری ضروری به نظر می رسد. برای این منظور از سیستم های پیشنهاددهنده استفاده می شود. این سیستم های از مکانیزمی قوی برای فیلترسازی اطلاعات استفاده کرده و با پیش‏گویی امتیازات موردنیاز، کاربران را به سمت بهترین محصولاتی که نیازشان را مرتفع می کند، هدایت می کنند. بر این اساس عملکرد سیستم های پیشنهاددهنده نقش مهمی در کیفیت محصولات پیشنهاد شده به کاربر دارد. یکی از مسائل موثر در کارایی سیستم پیشنهاددهنده، مجموعه داده هایی است که سیستم بر اساس آن، پیش‏گویی های لازم را انجام می دهد. این داده ها عموماً به صورت ماتریسی از امتیازات هستند که ترجیحات کاربر را نمایش می دهند. بر این اساس به منظور داشتن داده های مناسب، سیستم پیشنهادی ابتدا پیش پردازشی روی مجموعه داده انجام می دهد و به شناسایی و تصحیح نویزهای طبیعی موجود در آن می پردازد. از سوی دیگر یکی از مهم ترین مسائل در سیستم های پیشنهاددهنده چگونگی فیلترسازی اطلاعات است. در این پایان نامه به منظور بهره گرفتن از سلایق و تجربه ی دیگر کاربران از الگوریتم فیلترسازی مشارکتی استفاده شده است. همچنین به منظور بهبود عملکرد سیستم پیشنهادی، از شباهت وزن دار جدیدی استفاده شده که علاوه بر در نظر گرفتن عدم تقارن در شباهت بین دو کاربر متناظر، میزان قابلیت اعتماد این شباهت ها نیز در نظر گرفته می شود و تأثیر شباهت هایی با اعتماد بالاتر در پیش‏گویی امتیازات بیشتر خواهد بود. هر یک از این گام ها در بهبود عملکرد سیستم نقش موثری دارند.