У цій статті проведено дослідження алгоритмів роботи peer to peer мереж. Проведено порівняльний аналіз методів пошуку даних у централізованих, децентралізованих неструктурованих та децентралізованих структурованих однорангових мережах. Виявлено, що існуючі методи роботи однорангових мереж не застосовують для покращення пошуку даних рекомендаційні системи. Розроблено математичну модель рекомендаційної системи для децентралізованої P2P мережі з огляду на вподобання користувачів та кількість переходів до завантаження даних. Розроблено метод формування рекомендацій для користувачів комп’ютерної мережі типу peer to peer на основі запропонованої математичної моделі. У P2P мережах виникає проблема індексації та пошуку файлів на різних пристроях мережі. З різних причин шукані файли можуть бути недоступні для користувача, навіть якщо вони були додані раніше до системи та проіндексовані. Наприклад, комп’ютери, що містять потрібний файл або таблиці маршрутизації до нього чи його частин, вийшли з мережі або застосовуються технології побудови P2P мережі з ймовірнісними методами пошуку, що не завжди знаходять далеко розташовані від комп’ютера користувача файли, тощо. Рекомендаційні системи використовуються для побудови списків рекомендацій користувачам на основі їх попередніх дій, зокрема, лайків, оцінок, переглядів, скачувань тощо. Такі системи дозволяють полегшити пошук при великій кількості об’єктів у системі, доповнюючи класичну пошукову видачу рекомендаціями, а в деяких ситуаціях навіть заміняють пошук. Також рекомендаційні системи можуть застосовуватися для ранжування результатів класичного пошуку. Таким чином, вони можуть різними способами поєднуватися зі звичайними пошуковими алгоритмами. В P2P мережах застосування рекомендаційних систем може мати додаткову користь. Якщо користувач шукає конкретний файл, що був доданий до мережі раніше, і файл з різних причин не знайдено, можна надати користувачу список рекомендацій з огляду на його вподобання і, можливо, пошуковий запит. Запропоновані у роботі модель та метод формування списків рекомендацій у peer to peer мережі розраховані на загальний випадок і не прив’язані до конкретного пошукового запиту, можуть застосовуватися у неструктурованих та структурованих P2P мережах для ознайомлення користувача з контентом, який йому може сподобатися, на основі прогнозування його вподобань. Це може збільшити загальний інтерес користувачів до контенту мережі.