در چند سال اخیر وبلاگ ها تبدیل به رسانه اجتماعی ویژه ای بر روی اینترنت شده اند که به سرعت کاربران را قادر می سازند تا محتوا را بر روی وب منتشر کنند. راحتی انتشار مطالب به همراه میل و اشتیاق برای گسترش افکار، عاملی مهم برای رشد سریع و مداوم وبلاگ ها شده است. به دلیل حجم بالای محتوایی که توسط وبلاگ ها فراهم می شود و با توجه به این که اغلب نویسندگان بلاگ ها (بلاگرها) کاربران غیر حرفه ای هستند، یافتن وبلاگ های مورد علاقه شان سخت می نماید. بنابراین با توجه به انبوه اطلاعات برای وبلاگ ها، وجود یک سیستم پیشنهاددهنده که بلاگ ها را به شکل خودکار و هوشمندانه به کاربران پیشنهاد می نماید کاملاً ضروری به نظر می رسد. در زمینه پیشنهاد بلاگ تکنیک های متنوعی وجود دارد که از منابع اطلاعاتی مختلف برای ارائه پیشنهاد به کاربران استفاده می کنند. یکی از روش های بسیار مهم در این زمینه استفاده از نظرات کاربران می باشد. در این روش که به پالایش مشارکتی موسوم است سعی می شود تا به طور موثر به افراد با سلیقه مشابه کمک شود تا اقلام مورد علاقه شان را از یک مجموعه بسیار عظیم از انتخاب ها شناسایی نمایند. یکی از مشکلات چالش برانگیز در زمینه این نوع سیستم ها مشکل شروع سرد برای کاربرانی است که تعداد بسیار معدودی بلاگ را مشاهده کرده اند. همچنین وجود مشکل پراکندگی ماتریس کاربر بلاگ عرصه را برای پیشنهاد کارای این گونه سیستم ها تنگ می نماید. در این پژوهش، بر آن هستیم تا چارچوبی جهت رفع مشکلات یادشده در سیستم های پیشنهاددهنده بلاگ ارائه دهیم. مبنای اصلی چارچوب پیشنهادی این تحقیق، بکارگیری روش فاکتورگیری ماتریسی در زمان وجود مشکل شروع سرد و پراکندگی در ماتریس کاربر بلاگ در سیستم های پیشنهاددهنده می باشد. نتایج حاصل از ارزیابی های انجام شده روی مجموعه داده سایت پارسی بلاگ حاکی از کارایی چارچوب پیشنهادی جهت مقابله با مشکلات فوق الذکر بوده است.