Atualmente, sistemas de recomendação são amplamente usados em plataformas de streaming de vídeos e de músicas, pesquisas na Web, comércio eletrônico, e-learning, entre outros, como uma maneira de suprir e amenizar a dificuldade de escolha em meio a tantas informações disponíveis online.

Existem, basicamente, três categorias de sistemas de recomendação: baseado em conteúdo, colaborativo e híbrido. O último tem como objetivo contornar os problemas enfrentados pelos dois primeiros, unindo-os de modo a obter o melhor que estes tem a oferecer.

O presente projeto visa comparar e analisar o desempenho e os pontos fortes e fracos de vários algoritmos dentre os três tipos, fazendo uso de diversos conjuntos de dados disponíveis na Internet, de forma a definir os melhores e mais viáveis algoritmos para determinada situação, para filtrar as informações na rede de maneira mais eficiente e também para auxiliar na decisão de qual algoritmo utilizar na área em que se pretende empregar sistemas de recomendação.

A metodologia proposta é selecionar alguns algoritmos das três categorias, implementá-los ou usar implementações existentes, testá-los com conjuntos de dados trazidos da Web e avaliar os atributos relevantes dos testes (como tempo e precisão) para determinar a viabilidade e o desempenho de cada algoritmo utilizado.

Ao decorrer e ao final do projeto, espera-se obter conclusões e esclarecimentos sobre quais algoritmos empregar em quais circunstâncias e a razão de utilizá-los com conjuntos de dados de diferentes tamanhos e finalidades, tornando mais relevante e ágil as buscas por informações de interesse dos usuários na rede.