Web’in dinamik ve heterojen yapısı sebebiyle, kullanıcılar ın büyük miktardaki veriler arasından tercih yapmaları giderek zorlaşmaktadır. Bu sebeple, kullanıcıların modellenmesi ve kişiselleştirilmiş bilgilere erişim önemli bir hale gelmektedir. Tavsiye sistemleri, kullanıcılara kişiselleştirilmiş öneriler sunarak , en uygun ve verimli hizmetlerin sunulmasını hedefleyen sistemler olarak ön plâna çıkmaktadır. Geleneksel tavsiye sistemleri kullanıcılarına statik yaklaşımlar ile öneri sunmakta ve zamanla değişen kullanıcı tercihlerini öneri sunma stratejilerine dâhil e tmemektedir. Bu çalışmada, değişen kullanıcı tercihlerine göre öneri sunma yaklaşımlarını adaptif olarak geliştiren ve kullanıcı tercihlerini öğrenebilen tavsiye sistemleri üzerine kapsamlı inceleme ve karşılaştırma sunulmuştur.

Due to the dynamic and heterogeneous nature of Web, it bec omes increasingly difficult for users to choose between large amounts of data. For this reason, modeling of users and accessing customized information are becoming important. Recommendation systems aiming provide most appropriate and efficient services by offering customized recommendations to users. Traditional recommendation systems offer users static suggestions and do not include time - varying users’ preferences in their suggestion strategies. In this study, a comprehensive investigation and comparison o f the recommendation systems, which adaptively create proposals for changing user preferences and learn users’ preferences, has been presented