推薦系統是一種過濾系統，過濾掉對於使用者無用的資訊並同時保留使用者希望看到的資訊，其核心作法為基於已經建立好的使用者資訊或是商品資訊，進而篩選出符合使用者需求的商品，其中個人化推薦即為篩選出符合使用者喜偏好的商品。
常見的推薦系統主要分為兩種策略進行推薦：
內容過濾（content filtering）：此方法主要針對使用者和商品建立個別資料（profile）紀錄其所包含的特徵，例如電影可以記錄其電影類別、導演、演員等資訊，而針對使用者可以記錄其電影種類的偏好、年紀、工作、居住地等資訊，然而此策略的缺點在於這些額外的明確資訊（explicit profile）並不容易取得。
協同過濾（collaborative filtering）：此種策略並不需要明確的使用者、商品資訊，因此採用此方法不需要相關領域知識。此種方法會分析已在系統中的使用者間、商品之間的相依關係，以推論使用者、商品間的關聯，而此種方法需要基於已知的使用者、商品互動資訊，其推論結果相較準確，但不利推論新商品或是新的使用者行為，對於冷啟動問題有一定的難度，在方面是內容過濾方法略勝一籌。