سیستم های توصیه گر نوع خاصی از سیستم های فیلترینگ اطلاعات هستند که مورد ها یا عناصر اجتماعی را براساس علایق کاربران به آنها توصیه می کنند. الگوریتم های مختلف در سیستم های توصیه گر به صورت زیر طبقه بندی می شوند: فیلترینگ همکارگونه (cf) که در آنها مورد ها به کاربران بر اساس امتیازدهی های قبلی سایر کاربران توصیه می شود و توصیه محتوامحورکه در آنها مورد هایی توصیه می شوند که از نظر محتوا به مورد هایی شبیه هستند که کاربر در گذشته دوست داشته است و روش های ترکیبی که در این روش ها هر دو روش فیلترینگ همکارگونه و محتوامحور با هم ترکیب می شوند. یکی از مهم ترین سیستم های توصیه فیلم سیستم توصیه گر intimate نام دارد. همچنین الگوریتم های مختلفی مانند الگوریتم ترکیب روش چند بعدی و چند ضابطه ای و الگوریتم های مبتنی بر قدم های تصادفی و یک الگوریتم توصیه فیلم با استفاده از یک سیستم ایمنی مصنوعی (ais) نیز برای توصیه فیلم استفاده می شوند. در این پایان نامه الگوریتم k تا از نزدیک ترین همسایه ها (knn) را که در تعدادی از روش های توصیه فیلم ذکر شده به کار رفته است بررسی می کنیم و مشکلات روش همکارگونه مانند (مشکل شروع سرد) و (مقیاس پذیری) را با استفاده از این الگوریتم برطرف می نماییم. با بررسی روش های ترکیبی مخلوطی و تعویضی یک روش توصیه ترکیبی تعویضی پیشنهاد می شود که روش های فیلترینگ همکارگونه و روش محتوامحور و فیلترینگ آماری را با هم ترکیب می کند. در پایان به معرفی یک سیستم توصیه گر ترکیبی و عملیات پیاده سازی آن می پردازیم. در این سیستم روش های محتوامحور و فیلترینگ همکارگونه در یک روش ترکیبی ترکیب می شود و از ویژگی های محتوایی برای بهبود دقت توصیه فیلترینگ همکارگونه استفاده می شود.