با گسترش روزافزون صنعت تجارت الکترونیکی و به تبع آن مواجهه با حجم رو به رشد کالاهای عرضه شده به صورت آنلاین، سیستم های توصیه کننده نقش حیاتی را در کمک به خریدار برای سریع تر نزدیک شدن به هدف خود، ایفا می-کنند. بنابراین استفاده از این سیستم ها در سایت های تجارت الکترونیکی امری اجتناب ناپذیر است. هدف اصلی این سیستم ها، شناخت سلایق کاربران و ارائه ی پیشنهادهای برحسب آن است، تا احتمال خرید وی افزایش یابد. در صنعت تجارت الکترونیکی، با طیف وسیعی از خریداران از کشورهای مختلف، با فرهنگ های متفاوت روبرو هستیم. تحقیقات نشان داده است که مصرف کنندگان با فرهنگ های متفاوت، دارای رفتارهای متفاوتی در هنگام خرید بوده و نسبت به خرید محصولات نامتناسب با فرهنگ خود بی میل هستند. از سوی دیگر امروزه مسیر و هدف اصلی در هر تجارت، جهانی سازی و عرضه ی محصولات به کشورهای مختلف که دارای تقابل فرهنگی هستند، می باشد. جهانی سازی محصولات در تجارت الکترونیکی، به دلیل عدم وجود محدودیت های مکانی، نمود بیشتری پیدا می کند، که البته موفقیت در این امر مستلزم ارائه ی کالاهای متناسب با فرهنگ جامعه ی خریدار است. علاوه بر این، سیستم های توصیه کننده ی کنونی از کمبود و یا نبود اطلاعات کافی در مورد کاربران و کالاهای موجود در سیستم رنج می برند و بسیاری از نواقص این سیستم ها اعم از مشکل خلوتی داده ها و یا مشکل کاربر تازه وارد، با پیدایش منبع اطلاعاتی جدید بهبود قابل ملاحظه-ای می یابند. استفاده از فرهنگ در سیستم های توصیه کننده، به تشخیص رفتار خرید کاربران و پی بردن به دلایل نهفته ای که به خاطر آن ها کاربر به کالایی خاص جذب می شود یا خیر، کمک می کند. علاوه بر این، در حالت هایی که اطلاعات ارزیابی وجود ندارد (مسأله ی کاربر/کالای تازه وارد) و یا اطلاعات کمی موجود است (مسأله ی پراکندگی داده ها)، سیستم می تواند از این اطلاعات فرهنگی جهت ارائه ی پیشنهادها مناسب استفاده کند. بر همین اساس در این پایان نامه، از ابعاد فرهنگی کشور شخص خریدار، به عنوان معیاری برای تشخیص نیاز خرید کاربر، در کنار معیارهای تأثیرگذار پیشین بهره جسته ایم. برای این منظور، ابتدا برای هر کالا ابعاد فرهنگی غالب در بین خریداران و ارزیابان آن را مشخص کرده، سپس از ترکیبی از ابعاد فرهنگی و ارزیابی های کالاها، جهت یافتن تشابه بین آن ها استفاده می کنیم. مدل فرهنگی استفاده شده در این پایان نامه، مدل فرهنگی هافستد است، که به صورت گسترده در مطالعات و کاربردهای بازاریابی به کار برده می شود. نتایج حاصل از انجام آزمایشات متعدد بر روی سیستم توصیه کننده ی مبتنی بر فرهنگ با استفاده از داده های واقعی حاکی از بهبود قابل توجه دقت پیشنهاد دهی در این سیستم ها است.