سیستم های توصیه گر یکی از ضروری ترین ابزارهای هوشمندسازی تجارت الکترونیک است. این سیستم ها با انواع مختلف روش های فیلتر کردن داده ها و داده کاوی، قادر به انتخاب و ارایه بهترین پیشنهادات از بین انبوه موارد قابل انتخاب برای مشتریان هستند. در بین روش های متنوع سیستم های توصیه گر، فیلترهای اشتراکی پرکاربردترین روش برای ارایه پیشنهادات است. فیلترهای اشتراکی دامنه وسیعی از الگوریتم ها را شامل می شود و در این بین، روش تجزیه ماتریس به مقادیر منفرد یکی از مدل های پیشرفته در فیلتر اشتراکی است. در این مقاله به ارایه مدلی بهینه شده از سیستم توصیه گر فیلم مبتنی بر روش تجزیه مقادیر منفرد پرداخته شده که ضمن کاهش ابعاد ماتریس و کاهش حجم محاسبات و حافظه، با روش تکرار جاگذاری، دارای دقت مناسب نسبت به روش تجزیه ماتریس به مقادیر منفرد ساده و سایر روش های دیگر است. برای این پژوهش از مجموعه دیتاست های 100 هزار امتیازی مووی لنز و از برنامه نویسی پایتون استفاده شده است. ارزیابی میزان خطا با روش های جذر میانگین مربعات خطا و میانگین قدر مطلق خطا، نشان از بهبود مناسب نسبت به روش های مشابه در مراجع دیگر دارد.
