Electronic commerce or e-commerce includes the service and good exchange through electronic support like the Internet. It plays a crucial role in today’s business and users’ experience. Also, e-commerce platforms produce a vast amount of information. So, Recommender Systems (RSs) are a solution to overcome the information overload problem. They provide personalized recommendations to improve user satisfaction. The present article illustrates a comprehensive and Systematic Literature Review (SLR) regarding the papers published in the field of e-commerce recommender systems. We reviewed the selected papers to identify the gaps and significant issues of the RSs’ traditional methods, which guide the researchers to do future work. So, we provided the traditional techniques, challenges, and open issues concerning traditional methods of the field of review based on the selected papers. This review includes five categories of the RSs’ algorithms, including Content-Based Filtering (CBF), Collaborative Filtering (CF), Demographic-Based Filtering (DBF), hybrid filtering, and Knowledge-Based Filtering (KBF). Also, the salient points of each selected paper are briefly reported. The publication time of the selected papers ranged from 2008 to 2019. Also, we provided a comparison table of important issues of the selected papers as well as the tables of advantages and disadvantages. Moreover, we provided a comparative table of metrics and review issues for the selected papers. And finally, the conclusions can, to a great extent, provide valuable guidelines for future studies.

中文翻译：

---

电子商务中推荐系统的系统研究

电子商务或电子商务包括通过互联网等电子支持提供的服务和良好的交换。它在当今的业务和用户体验中发挥着至关重要的作用。此外，电子商务平台会产生大量信息。因此，推荐系统（RS）是克服信息过载问题的解决方案。他们提供个性化建议以提高用户满意度。本文对电子商务推荐系统领域发表的论文进行了全面而系统的文献综述 (SLR)。我们审查了选定的论文，以确定 RS 传统方法的差距和重大问题，从而指导研究人员开展未来的工作。所以，我们提供了传统的技术，挑战，和基于所选论文的关于传统评审方法的开放性问题。该评论包括五类 RS 算法，包括基于内容的过滤 (CBF)、协作过滤 (CF)、基于人口统计的过滤 (DBF)、混合过滤和基于知识的过滤 (KBF)。此外，还简要报告了每篇所选论文的要点。入选论文发表时间为2008年至2019年，我们还提供了入选论文重要问题对比表以及优缺点表。此外，我们还提供了所选论文的指标和审查问题的比较表。最后，结论可以在很大程度上为未来的研究提供有价值的指导。该评论包括五类 RS 算法，包括基于内容的过滤 (CBF)、协作过滤 (CF)、基于人口统计的过滤 (DBF)、混合过滤和基于知识的过滤 (KBF)。此外，还简要报告了每篇所选论文的要点。入选论文发表时间为2008年至2019年，我们还提供了入选论文重要问题对比表以及优缺点表。此外，我们还提供了所选论文的指标和审查问题的比较表。最后，结论可以在很大程度上为未来的研究提供有价值的指导。该评论包括五类 RS 算法，包括基于内容的过滤 (CBF)、协作过滤 (CF)、基于人口统计的过滤 (DBF)、混合过滤和基于知识的过滤 (KBF)。此外，还简要报告了每篇所选论文的要点。入选论文发表时间为2008年至2019年，我们还提供了入选论文重要问题对比表以及优缺点表。此外，我们还提供了所选论文的指标和审查问题的比较表。最后，结论可以在很大程度上为未来的研究提供有价值的指导。和基于知识的过滤 (KBF)。此外，还简要报告了每篇所选论文的要点。入选论文发表时间为2008年至2019年，我们还提供了入选论文重要问题对比表以及优缺点表。此外，我们还提供了所选论文的指标和审查问题的比较表。最后，结论可以在很大程度上为未来的研究提供有价值的指导。和基于知识的过滤 (KBF)。此外，还简要报告了每篇所选论文的要点。入选论文发表时间为2008年至2019年，我们还提供了入选论文重要问题对比表以及优缺点表。此外，我们还提供了所选论文的指标和审查问题的比较表。最后，结论可以在很大程度上为未来的研究提供有价值的指导。我们为所选论文提供了指标和审查问题的比较表。最后，结论可以在很大程度上为未来的研究提供有价值的指导。我们为所选论文提供了指标和审查问题的比较表。最后，结论可以在很大程度上为未来的研究提供有价值的指导。