O crescimento exponencial da informação a que as pessoas estão sujeitas, provocou a necessidade de existência de sistemas que ajudassem os utilizadores a filtrarem os dados que recebiam. Surgiu portanto uma classe de sistemas dedicados a esse fim denominados de sistemas de recomendação. Os sistemas de recomendação tentam minimizar este problema, filtrando a informação menos relevante, deixando apenas aquela que mais interessa a cada utilizador. De entre os vários tipos de sistemas, os baseados em técnicas de filtragem colaborativa foram os mais bem sucedidos comercialmente, podendo ser encontrados em grandes distribuidores a nível mundial tais como a Amazon ou a NetFlix. Entretanto, assiste-se a uma alteração na forma como os utilizadores acedem a portais de comércio eletrónico e a guias de turismo especializados, tendo-se passado da utilização de um computador como forma de acesso, para a utilização de dispositivos móveis tais como smartphones e tablets. As capacidades de georreferenciação dos dispositivos móveis, conjuntamente com o acesso permanente à Internet, permite que estes sejam utilizados para o fornecimento de serviços baseados na localização do dispositivo. Neste contexto implementou-se um algoritmo de filtragem colaborativa, para o qual foi desenvolvida uma prova de conceito de uma aplicação móvel de recomendação de restaurantes. O algoritmo de recomendação foi avaliado quanto à precisão com que faz previsões das avaliações dos utilizadores, utilizando-se uma base de dados pública de investigação (MovieLens), tendo-se obtido resultados comparáveis com outras publicações. Foram elaborados testes adicionais de aceitação da aplicação móvel junto dos utilizadores, cujos resultados se revelaram muito positivos.

The exponential growth of information that people are exposed to, has created a need for the existence of systems that could help users to filter the incoming data. So a class of systems named recommender systems started to help deal with the issue. These systems have eased the problem by filtering the information, leaving only the part that is of most interest to each user. Of the various kinds of recommender systems, the ones based on collaborative filtering have had the most commercial success, being found in world-class retailers as Amazon and on online DVD renting websites as NetFlix. Meanwhile there has been a change in the way users access e-commerce and tourism portals, moving away from the standard use of a desktop computer to new mobile devices as smartphones and tablets. The geo-referencing capabilities of these mobile devices that are permanently connected to the Internet, allows for the delivery of services based on the device location. In this context a collaborative filtering algorithm has been implemented and a proof of concept of a mobile restaurant recommender application developed to support it. The recommendation algorithm precision in predicting user ratings has been tested with success in a public research database (MovieLens), with results comparable to other publications. The mobile application has been subject to user acceptance tests resulting in a very positive feedback from the users.