Bu makalede, web kullanıcıları için birden fazla öneri sistemini kullanan yeni bir melez öneri sistemi önerilmiştir. World Wide Web’in(www) hızlı gelişimiyle birlikte, haber, ekonomi, kültür, eğitim, sağlık hizmetleri ve reklam gibi bir çok alanda bilgi kaynağı olan İnternet ortamında, kullanıcı kendisi için gerekli bilgileri bulmakta çoğu zaman zorlanmaktadır. Bunun nedeni sorgulama araçlarının kısıtlı olması ve bilgilerin fazlalığı olarak görülmektedir. Web öneri sistemleri bu karmaşık bilgi ortamında kullanıcılara kendileri için gerekli olan bilgiyi bulmakta yardımcı olurlar. Son zamanlarda, kullanıcıların İnternet ortamındaki davranışları incelenerek bir sonraki davranışını öngörmeye çalışan çalışmalar yapılmıştır. Bu makalede, başarılı öneriler üretebilmek için iki farklı öneri modelinin sonuçlarını birleştirilmiştir. Deneysel sonuçlar, standart öneri sistemleriyle karşılaştırılınca önerdiğimiz yöntemin daha başarılı sonuçlar ürettiğini göstermiştir.

In this paper, we propose a new hybrid recommendation model for Web users which is based on multiple recommender systems working in parallel. With the rapid growth of the World Wide Web (www), it becomes a critical issue to find useful information from the Internet. Web recommender systems help people make decisions in this complex information space where the volume of information available to them is huge. Recently, a number of approaches have been developed to extract the user behavior from her navigational path and predict her next request as she visits Web pages. In this paper, we integrate the results of two different recommendation models in order to achieve better recommendation accuracy. The experimental evaluation shows that our method can achieve a better prediction accuracy compared to standard recommendation systems while still guaranteeing competitive time requirements.