یک الگوریتم خوشه‌بندی اصلاح‌شده DBSCAN استفاده شده در یک سیستم توصیه گر فیلترینگ برای توصیه موسیقی.

جستجو در مقدار زیادی از اطلاعات موجود در اینترنت بدون شک یک کار چالش برانگیز است. بسیاری از سایت‌های جدید وب هر روز ایجاد می‌شوند، نه تنها متن، بلکه انواع دیگر منابع: مثلا آهنگ‌ها، فیلم‌ها و یا تصاویر. بسیاری از سایت‌های جدید وب هر روز ایجاد می‌شوند، نه تنها متن، بلکه انواع دیگر منابع: مثلا آهنگ‌ها، فیلم‌ها و یا تصاویر. در نتیجه، یک نتیجه جستجوی ساده از موتورهای جستجو ناکافی می‌شود. سیستم‌های توصیه گر راه‌حل پشتیبان کاربران در یافتن مواردی هستند که برای آن‌ها جالب هستند . این موارد ممکن است اطلاعات و همچنین محصولات باشند. ویژگی متمایز اصلی سیستم‌های توصیه‌گر، نیازهای شخصی و سلیقه کاربران را در نظر می‌گیرد. رویکرد فیلترینگ مشارکتی مبتنی بر تعاملات کاربران با سیستم الکترونیکی است. چالش اصلی آن ایجاد توصیه‌های آنلاین در زمان معقول و مقابله با اندازه بزرگ داده‌ها است. ابزاری مناسب برای پشتیبانی از سیستم‌های توصیه‌گر در افزایش کارایی زمان، الگوریتم‌های خوشه‌بندی هستند که در حالت تک خط تشابه‌ات پیدا می‌کنند. این شامل کاهش دقت پیش‌بینی توصیه‌های نهایی می‌شود. این مقاله یک رویکرد مبتنی بر داده

Searching in huge amount of information available on the internet is undoubtedly a challenging task. A lot of new web sites are created every day, containing not only text, but other types of resources: e.g. songs, movies or images. As a consequence, a simple search result list from search engines becomes insufficient. Recommender systems are the solution supporting users in finding items, which are interesting for them. These items may be information as well as products, in general. The main distinctive feature of recommender systems is taking into account personal needs and taste of users. Collaborative filtering approach is based on users’ interactions with the electronic system. Its main challenge is generating on-line recommendations in reasonable time coping with large size of data. Appropriate tool to support recommender systems in increasing time efficiency are clustering algorithms, which find similarities in off-line mode. Commonly, it involves decreasing of prediction accur