den pågående snabba expansionen av Internet ökar kraftigt behovet av effektiva recommender system för filtrering av riklig information. Omfattande forskning för rekommendationssystem utförs av ett brett spektrum av samhällen inklusive sociala och datavetare, fysiker och tvärvetenskapliga forskare. Trots betydande teoretiska och praktiska prestationer saknas enande och jämförelse av olika tillvägagångssätt, vilket hindrar ytterligare framsteg. I den här artikeln granskar vi den senaste utvecklingen inom rekommendationssystem och diskuterar de stora utmaningarna. Vi jämför och utvärderar tillgängliga algoritmer och undersöker deras roller i den framtida utvecklingen. Förutom algoritmer beskrivs fysiska aspekter för att illustrera makroskopiskt beteende hos rekommendationssystem. Potentiella effekter och framtida riktningar diskuteras. Vi betonar att rekommendationen har stort vetenskapligt djup och kombinerar olika forskningsområden som gör det intressant för fysiker såväl som tvärvetenskapliga forskare.