سیستم های پیشنهادگر سیستم های هوشمندی هستند که با تحلیل رف تار کاربران با شیوه های مختلف مانند داده کاوی، اقدام به پیشنهاد مناسب ترین کالا برای آنان می نمایند. این سیستم ها رویکردی هستند که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارایه شده اند و به یک کاربر کمک می کنند تا در میان حجم عظیم اطلاعات، سریع تر به هدف خود یعنی رسیدن به گزینه مفید و مورد علاقه، نزدیک شود در این مقاله مدلی برای افزایش کیفیت پیشنهاددهی در سیستم های پیشنهادگر توریسم ارایه می گردد. در این مدل با ترکیب ماتریس رتبه دهی کاربران و ماتریس حاصل از اطلاعات شخصی کاربران به یک تابع شباهت جدید دست می یابیم که محدوده همسایگی بهتری را برای کاربران مشخص می کند و در نتیجه باعث بالا رفتن کیفیت پیشنهاد می شود و از طرفی چون تابع شباهت جدید فقط وابسته به ماتریس نرخ گذاری نیست، در مواردی که کاربر به آیتمی نرخ نداده باشد می توان شباهت را از طریق ماتریس مشخصات کاربر به دست آورد و مانع از بروز مشکل شروع سرد که یکی از چالش های موجود در سیستم های پیشنهادگر است شد.