Stetig steigendes Datenvolumen hat dazu geführt, dass Benutzer nur schwer in der Lage sind, die für sie relevanten Informationen ausfindig zu machen. Collaborative Filtering ist eine Technik, um das Überangebot zu filtern indem auf Ressourcen reduziert wird, die ähnlichen Benutzern gefallen. Dieses Buch unterteilt das Verfahren in drei Phasen: Die Aggregation der Präferenzen über verschiedene Data Mining Techniken, anschließend die Korrelation zwischen Benutzern ("User Based Collaborative Filtering") oder Items ("Item Based Collaborative Filtering") durch verschiedene Algorithmen und letztendlich die Auswahl der besten Empfehlungen aus der Menge. Schwerpunkt dieser Arbeit sind verschiedenen Thesen zur Optimierung der Empfehlungsgüte an Hand unterschiedlicher Normierung, dem Einfluss von Zeit, der Stimmung, uvm. Dabei wird auf die Vor- und Nachteile der Algorithmen, unterschiedliche Möglichkeiten des Einsatzgebiets und das generelle Cold Start Problem eingegangen. Dieses Buch liefert sowohl die mathematische Grundlagenforschung als auch alle Algorithmen in Pseudocode und ist daher die ideale Basis für jeden, der sich mit Empfehlungssystemen beschäftigen will.