Suositusjärjestelmät ovat järjestelmiä, jotka antavat käyttäjille suosituksia käyttäjien järjestelmään syöttämien tietojen perusteella. Mitä enemmän tietoja käyttäjä on antanut, sitä tarkempia tällaiset järjestelmät voivat olla. Lisäksi yksittäisten käyttäjien toimittamat tiedot auttavat parantamaan järjestelmää yleisesti tuottamalla tietoja, joita voidaan käyttää suositusten tekemiseen muille käyttäjille. Suosittelujärjestelmiä nähdään yleisesti elokuvien ja televisioiden katselusivustojen kaltaisilla sivustoilla ja niillä, joilla on laaja vähittäiskauppatavara, joita olisi toiminnallisesti mahdotonta selata katsomalla jokaista kohdetta.
Nämä järjestelmät voivat olla vuorovaikutuksessa käyttäjien kanssa monella eri tavalla. Yksi on palvelu käyttäjille, jotka etsivät enemmän asioita, joista he saattavat olla kiinnostuneita, kuten jatkokäsittelyä, televisio -ohjelmia tai videopelejä. Näissä järjestelmissä käyttäjä luo tykkäysten ja ei -tykkäysten luettelon ja järjestelmä yrittää ennustaa, miten käyttäjä äänestää asioista, joita hän ei ole vielä äänestänyt. Jos se luulee, että jollakin olisi korkea luokitus, se ehdottaa sitä käyttäjälle.
Hyvin suunnitellut suosittelujärjestelmät oppivat virheistään. Järjestelmä saattaa suositella Musiikin ääntä, koska käyttäjä piti Willy Wonkasta ja suklaatehtaasta. Käyttäjä voi valita vaihtoehtoja, kuten “Pidän tästä” tai “En pidä tästä”. Jos käyttäjä ei pitänyt The Sound of Musicista, järjestelmä voisi huomioida ja tarkentaa suositusten luomiseen käytettyä algoritmia. Mitä enemmän tietoja on kerätty, sitä hyödyllisempiä suositukset ovat.
Vähittäiskaupat käyttävät suosittelujärjestelmiä houkutellakseen ihmisiä tekemään impulsiivisia ostoksia. Järjestelmä ottaa huomioon ostetut tuotteet ja suosittelee aiheeseen liittyviä ja hyödyllisiä kohteita. Esimerkiksi kameraa ostavalta henkilöltä saatetaan kysyä, haluaako hän ostaa laturin, kamerakotelon, suodattimet ja lisälinssit. Feministiteoriaa käsittelevän kirjan ostajalle voidaan kertoa, että myös muilla saman nimikkeen ostajilla on toinen aiheeseen liittyvä teos. Tämäntyyppiset suosittelujärjestelmät mahdollistavat yksilöllisen markkinoinnin, joka todennäköisesti vetoaa käyttäjiin.
Nämä järjestelmät perustuvat tietojen suodattamiseen yhteistyössä, jossa valtava määrä käyttäjiä on järjestetty mielekkäästi. Tämä antaa sivustolle mahdollisuuden muodostaa yhteyksiä, jotka eivät muuten olisi ilmeisiä, mikä parantaa suositusten laatua. Käyttäjät, jotka eivät halua osallistua, voivat yleensä muuttaa vaihtoehtoja käyttäjäasetuksissaan, mutta he vähentävät saamiensa suositusten laatua, koska järjestelmä ei voi oppia yksilön mieltymyksistä, vain muiden käyttäjien yhteisestä mielipiteestä.