سرعت زیاد تولید اطلاعات جدید، تبلیغات و... در محیط‏های مجازی و به خصوص در فروشگاه‏هایمجازی منجر شده است، که پیدا کردن اطلاعات و دانش مرتبط در میان حجم انبوهی از اطلاعات کار بسیار وقت گیر وحتی نا امیدکننده‏ای باشد، سیستم های پیشنهاددهنده تلاش بر این است تا با حدس زدن شیوه تفکر کاربر به وی مناسب‏ترین و نزدیک‏ترین آیتم به سلیقه او را شناسایی و پیشنهاد کند.دراین پایان‏ نامه یک سیستم پیشنهاد دهنده مبتنی بر زمان و ویژگی به سه شیوه در دو فاز آنلاین و آفلاین پیاده‏سازی می‏شود،در روش اول و در فاز آفلاین به خوشه‏بندی کاربران سیستم بر اساس ویژگی محصولات خریداری شده پرداخته و در فاز آنلاین میزان علاقه‏مندی کاربر هدف به آیتم تخمین زده می شود، در روش دوم و سوم فاز آنلاین یکسان اما فاز آفلاین متفاوت است. .نتایج ارزیابی این سه شیوه حاکی از این است که هر سه شیوه نسبت به روش سنتی فیلتر همبستگی عملکرد بهتری را دارا هستند و نیز روش های دوم و به ویژه سوم عملکرد بهتری نسبت به روش اول دارند.