fa بهبود سیستم‌های توصیه گر با کمک وب معنایی فناوری اطلاعات و دانش Information and Knowledge Technology كاربردي Applicable بشر در زندگی خود به منظور تامین مایحتاج زندگی، همواره از مشاوره و پیشنهادهای دیگران که به‌صورت شفاهی و یا نوشتاری ارائه می‌شوند، بهره گرفته و آن‌ها را در تصمیم گیری های خود لحاظ می‌نماید. امروزه با پیشرفت فنّاوری و گسترش کسب و کار الکترونیکی در بستر وب‌سایت های اینترنتی، فصل جدیدی از زندگی دیجیتال به کمک سیستم‌های توصیه‌گر آغاز گردیده است. مهم‌ترین هدف در این سیستم‌ها، جذب مشتریان و جلب اعتماد آن ها از طریق ارائه بهترین و مناسب‌ترین پیشنهاد خرید محصولات، با توجه به علایق و سلایق ‌آن ها می‌باشد. در این پژوهش سعی گردیده است، به کمک ارتباطات موجود در هستان‌شناسیِ DBpedia اطلاعاتی در ارتباط با حوزه فیلم استخراج گردد. سپس ساختار سیستم‌ توصیه‌گر طراحی و پیاده‌سازی شده و به کمک اطلاعات موجود برروی پایگاه داده MovieLens عملکرد سیستم‌ توصیه‌گر مورد ارزیابی قرار می گیرد. بنابر تست‌های انجام شده، مدل پیشنهادی در میان سایر روش هایی که به نحوی از وب معنایی بهره میبرند، از کارایی بالاتری برخوردار است. To buy his/her necessities such as books, movies, CD, music, etc., one always trusts others’ oral and written consultations and offers and include them in his/her decisions. Nowadays, regarding the progress of technologies and development of e-business in websites, a new age of digital life has been commenced with the Recommender systems. The most important objectives of these systems include attracting the customers and their confidences by detecting their interests and tastes and recommending them the most appropriate offer. Using the relationships between entities in the DBpedia ontology, this study tries to investigate the application of and extracting the information in the movie area. In the next step, the structure of Recommender System is designed and its performance is evaluated using information extracted from "MovieLens" database. This study’s endeavor is to present a comprehensive overview of Recommender systems and a proposed method based on the benefits of semantic web databases, along with the implementation compared to existing methods. Our results indicate that the proposed method outperforms in terms of efficiency and performance. سیستم های توصیه‌گر , وب معنایی , هستان‌شناسی , DBpedia Recommender System, Ontology, Semantic web, DBpedia 45 56 http://jor.iranaict.ir/browse.php?a_code=A-10-420-1&slc_lang=fa&sid=1 Raheleh Beheshtinejad راحله بهشتی نژاد Beheshtinejad-raheleh@shirazu.ac.ir 10031947532846004226 10031947532846004226 No Shiraz University دانشگاه شیراز Mohammad Ebrahim Samie محمدابراهیم سمیع samie@shirazu.ac.ir 10031947532846004227 10031947532846004227 Yes Jahrom University دانشگاه جهرم Ali Hamzeh علی حمزه ali@cse.shirazu.ac.ir 10031947532846004228 10031947532846004228 No Shiraz University دانشگاه شیراز