de voortdurende snelle uitbreiding van het Internet verhoogt de noodzaak van effectieve recommender systemen voor het filteren van de overvloedige informatie. Uitgebreid onderzoek voor aanbevelingssystemen wordt uitgevoerd door een breed scala van gemeenschappen, waaronder sociale en computerwetenschappers, natuurkundigen en interdisciplinaire onderzoekers. Ondanks aanzienlijke theoretische en praktische resultaten ontbreekt het aan eenheid en vergelijking van de verschillende benaderingen, wat verdere vooruitgang belemmert. In dit artikel bespreken we recente ontwikkelingen in aanbevelingssystemen en bespreken we de belangrijkste uitdagingen. We vergelijken en evalueren beschikbare algoritmen en onderzoeken hun rol in de toekomstige ontwikkelingen. Naast algoritmen worden fysieke aspecten beschreven om macroscopisch gedrag van aanbevelingssystemen te illustreren. Mogelijke effecten en toekomstige richtingen worden besproken. We benadrukken dat aanbeveling een grote wetenschappelijke diepte heeft en diverse onderzoeksgebieden combineert, wat het interessant maakt voor zowel natuurkundigen als interdisciplinaire onderzoekers.