Los sistemas de recomendación han sido una de las claves en el desarrollo y éxito del comercio electrónico. Estos sitios webs ofrecen cientos o miles de productos relacionados con una simple consulta. Aunque en un principio esta gran oferta de productos pueda verse como una ventaja, muchas veces es un inconveniente ya que los clientes deben encontrar, entre todos estos productos, aquellos que realmente le interesan. En muchos casos los clientes no pueden explorar tal cantidad de alternativas, y se ven obligados a escoger un producto, entre los que han podido explorar, que satisfaga medianamente sus necesidades, o bien desistir de su búsqueda. Para solventar estos problemas se diseñaron diversas técnicas, entre ellas los Sistemas de Recomendación. El objetivo de esta clase de software es ayudar a los usuarios en sus procesos de búsqueda guiándolos hacia productos interesantes por medio de recomendaciones, mostrándoles los productos ordenados según satisfagan las necesidades de los usuarios. Todos los sistemas de recomendación tienen el mismo objetivo: guiar a los usuarios por medio de recomendaciones hacia aquellos productos que son los más adecuados para ellos. Sin embargo, estos sistemas de recomendación utilizan distintas técnicas o algoritmos para generar las recomendaciones. Según estas técnicas podemos clasificar los sistemas de recomendación en: Sistemas de recomendación demográficos, Sistemas de recomendación basados en contenido, Sistemas de recomendación colaborativos, Sistemas de recomendación basados en conocimiento, Sistemas de recomendación híbridos, etc.
Aunque en SINBAD² hemos realizado estudios e implementaciones sobre distintos tipos de Sistemas de Recomendación, nuestro mayor esfuerzo se ha centrado en los Sistemas de Recomendación basados en Conocimiento y en los procesos para reconstruir buenos perfiles de usuario a partir de pequeñas cantidades de información para así obtener mejores recomendaciones.