Lokalisering och därmed anpassning till specifik marknad kan förbättra en webbplats användbarhet. Denna studies huvudsakliga syfte har varit att undersöka vad i innehållet som kan behöva lokaliseras i den svenska webbplatsen PlanEatSmile ([www]) inför lansering i Storbritannien. PlanEatSmile är kortfattat en webbplats vars syfte är att stödja bra matvanor och bra matval och riktar sig till barnfamiljer. Med fallstudiestrategi som grund har dels en litteraturstudie utförts där främst jämförelser av kostrekommendationer och vanor mellan Sverige och Storbritannien undersökts. Även intervjuer med brittiska informanter har genomförts för att undersöka vad de har för vanor runt mat.

I den här rapporten utvärderas ett antal olika collaborative filtering algoritmer för att ta reda på vilken av dess som lämpar sig bäst för att implementera åt PlanEatSmile i en PHP/MySQL-miljö. Målet är att hitta en algoritm som klarar av att skapa rekommendationer i realtid och med hög precision. Därtill är det viktigt att algoritmen ska kunna skapa rekommendationer åt nya användare (cold-start-problemet) samt att algoritmen ska skala väl när sajten växer.De algoritmer som undersöks är user-based collaborative filtering, item-based collaborative filtering och tendencies collaborative filtering. Samtliga algoritmer undersöks i två versioner. En version som utgår ifrån receptbetyget och en version som omvandlar receptbetygen till  ingrediensbetyg.Algoritmerna testas på data insamlat genom en enkät för att avgöra deras precision.

I Sverige kan man för närvarande skönja ett ökat intresse för matlagning. Detta reflekteras bland annat i ett ökat utbud av matlagningsprogram i tv och antalet sökningar efter recept på Google uppgår till nästan 2 miljoner varje månad, enbart i Sverige. Samtidigt slängs ungefär 25 % av all mat som inhandlas och många föräldrar uppger att de känner att det är svårt att experimentera mera i köket.I ett försök att uppmuntra till experimentering i köket och samtidigt minska matsvinnet har det i denna uppsats implementerats och testats en proof of concept metod för att rekommendera ingredienser som passar tillsammans. Tesen är att om användare får ett stöd med kombinationer av ingredienser som passar tillsammans kommer de så småningom att våga experimentera mera med sin matlagning.Flera algoritmer analyserades men algoritmen som implementerats bygger på en viktning av ingredienserna i PlanEatSmiles receptdatabas. När en ingrediens förekom tillsammans med en annan i ett recept ökades vikten med 1.