A recommender system is a subclass of information filtering system that seeks to predict the "rating" or "preference" a user would give to an item. These systems are present in a wide variety of applications and websites today. We can be aware of these recommendations when we are buying and articles similar to those we are looking for are suggested to us. However, they act in many other activities, such as in applications about restaurants and vacation trips. They also filter information from multimedia collections, such as Netflix or Amazon Prime. And furthermore, they are also present in browsers and they filter papers and books from repositories. They are subject to continuous research and improvement and the study of how these systems are being examined and evolve today is important because they literally filter the available information for us. This bibliometric study analyses the present-day research front on recommender systems. The chosen data source is the Web of Science bibliographic database and the study is performed following quantitative methods, using bibliometric techniques together with a qualitative assessment and interpretation of the most relevant research articles.

Aujourd'hui, les bibliothèques numériques deviennent de plus en plus populaires. Ces bibliothèques fournissent plusieurs services pour leurs utilisateurs. Le service de recherche d'information est un service indispensable pour ces bibliothèques. La personnalisation de ce service pour mieux répondre aux exigences des utilisateurs est une approche qui attire beaucoup d'attention de la communauté scientifique. Plusieurs systèmes de recherche d'information personnalisée actuels ont choisi de re-trier les résultats d'un moteur de recherche en prenant en compte les similarités entre ces résultats et le profil utilisateur afin de rendre des résultats plus pertinents pour les utilisateurs. Cependant, la plupart de ces systèmes n'utilise que les approches basées sur le contenu textuel pour ce but. Dans nos travaux, nous proposons d'utiliser également des méthodes basées sur les citations telles que la méthode des co-citations et la méthode du couplage bibliographique pour calculer les similarités document-profil. Nous étudions la performance de la méthode des co-citations avec différentes bases de données bibliographiques. Nous utilisons également différentes fonctions de combinaison pour combiner les scores individuels. Les approches proposées ont été validées par des expérimentations sur une collection de test utilisée dans INEX 2005.