Bei den nutzerbasierten Systemen (user-based systems) werden Empfehlungen nicht auf Grundlage eines ähnlichen Inhaltes ausgesprochen, sondern auf Grundlage ähnlicher Nutzeraktivitäten. Ein Beispiel:

Wie gut das funktioniert und wie das Vorgehen dazu genau ist, demonstrieren wir anhand eines kleinen Datensatzes: Gegeben wird eine Tabelle bzw. Matrix, wobei jede Zeile einem Film und jede Spalte einem Nutzer entspricht:

Die einzelnen Einträge sind die Nutzerbewertungen bezogen auf die Filme. Die Bewertungen können dabei beispielsweise so definiert werden:

Entsprechend kann jede Zeile der Bewertungsmatrix als ein Punkt im n-dimensionalen Raum angesehen werden, sodass direkt eine Nächste-Nachbarn-Bestimmung durchgeführt werden kann. Ein Beispiel mit 1000 Filmen und 1600 Nutzern demonstriert die nachfolgende Anwendung.

Als wichtigste Erkenntnis eines nutzerbasierten Empfehlungssystems halten wir fest:

Dabei ist es völlig egal, um welche Produkte oder Dienstleistungen es sich handelt. Solange die Nutzer einer Plattform Aktivitäten zeigen (oder besser noch Bewertungen abgeben), lässt sich ein entsprechendes Empfehlungssystem aufbauen.

In der folgenden Anwendung kannst du einige Filme auswählen. Ausgegeben wird der ausgewählte Film (erste Zeile) sowie die vier Filmen, die einzig und alleine aufgrund der Bewertungsmatrix als ähnlich identifiziert wurden.