Systemy rekomendujące to systemy, które na podstawie danych wprowadzonych przez użytkowników do systemu formułują rekomendacje dla użytkowników. Im więcej danych podał użytkownik, tym dokładniejsze mogą być takie systemy. Ponadto dane przesyłane przez poszczególnych użytkowników pomagają usprawnić cały system, generując informacje, które można wykorzystać do wydawania rekomendacji dla innych użytkowników. Systemy polecające są powszechnie spotykane w witrynach takich jak witryny z recenzjami filmów i programów telewizyjnych oraz te z dużymi zapasami artykułów detalicznych, których przeglądanie za pomocą każdego przedmiotu byłoby praktycznie niemożliwe.
Systemy te mogą wchodzić w interakcje z użytkownikami na wiele różnych sposobów. Jeden jest usługą dla użytkowników, którzy szukają więcej rzeczy, którymi mogą być zainteresowani, takich jak dalsze czytanie, programy telewizyjne lub gry wideo. W tych systemach użytkownik generuje listę upodobań i niechęci, a system próbuje przewidzieć, jak użytkownik zagłosuje na rzeczy, na które jeszcze nie głosował. Jeśli uważa, że coś miałoby wysoką ocenę, sugeruje to użytkownikowi.
Dobrze zaprojektowane systemy rekomendujące uczą się na swoich błędach. System może polecić The Sound of Music, ponieważ użytkownik polubił Willy Wonka i Fabrykę Czekolady. Użytkownik mógł wybrać opcje takie jak „Podoba mi się to” lub „Nie podoba mi się to”. Jeśli użytkownikowi nie spodobał się dźwięk muzyki, system mógłby zanotować i dopracować algorytm używany do generowania rekomendacji. Im więcej zgromadzonych danych, tym bardziej pomocne będą rekomendacje.
Witryny handlu detalicznego używają systemów rekomendacji, aby zachęcić ludzi do robienia zakupów pod wpływem impulsu. System odnotowuje zakupione przedmioty i poleca powiązane i pomocne przedmioty. Na przykład ktoś, kto kupuje aparat, może zostać zapytany, czy chce kupić ładowarkę, futerał na aparat, filtry i dodatkowe obiektywy. Ktoś, kto kupuje książkę o teorii feministycznej, może usłyszeć, że innym nabywcom tego tytułu przysługuje także inny, powiązany tytuł. Tego typu systemy rekomendacji pozwalają na spersonalizowany marketing, który z dużym prawdopodobieństwem spodoba się użytkownikom.
Systemy te opierają się na wspólnym filtrowaniu danych, w ramach którego dane od ogromnej liczby użytkowników są zorganizowane w znaczący sposób. Dzięki temu witryna może nawiązywać połączenia, które w innym przypadku mogłyby nie być widoczne, co poprawia jakość rekomendacji. Użytkownicy, którzy nie chcą uczestniczyć, zazwyczaj mogą zmienić opcje w swoich ustawieniach użytkownika, ale obniżą jakość otrzymywanych rekomendacji, ponieważ system nie może uczyć się na podstawie indywidualnych preferencji, a jedynie zbiorowej opinii innych użytkowników.