از آنجا که در دهه های اخیر، استفاده از اینترنت در سطحی گسترده فراگیر شده است، اطلاعات موجود در وب به صورت نمایی رو به افزایش است. این مسئله مشکل سرریز اطلاعات را به وجود آورده تا جایی که فرایند انتخاب و تصمیم گیری کاربران در میان حجم عظیم اطلاعات ، کالا و خدمات به راحتی امکان پذیر نیست و موجب سردرگمی کاربران می شود، همچنین گسترش روز افزون دانش و تکنولوژی در طول این سال ها، موجب به وجود آمدن کسب و کارهای الکترونیکی متنوعی در فضای مجازی شده است، با وجود رقابت میان سایت های مختلف در ارائه خدمات و محصولاتشان به مشتریان، شرکت ها برای بقا در محیط پویای بازارهای رقابتی امروز، به دنبال راهی برای دستیابی به مشتریان جدید و همچنین حفظ و نگهداری مشتریان قبلی خود هستند، روش‏های سنتی بازیابی اطلاعات بدون در نظر گرفتن علائق کاربران قادر به حل این مشکلات نیستند. سیستم های توصیه گر برای کمک به انواع کاربران در دنیای وب، ظهور کردند. در این رساله، تلاش می شود تا با مروری بر سیستم های توصیه گر و مزایا و چالش های موجود، به بررسی روش های مختلف ترکیب دو تکنیک مشهور content-based و collaborative filtering پرداخته و با بهره گیری از شبکه عصبی و داده های معتبر وب سایت movielens روش نوینی برای تلفیق این دو تکنیک ارائه شود تا منجر به بهبود دقت پیشنهادات گردد.