Стаття присвячена розробці методу роботи рекомендаційних систем в однорангових децентралізованих комп’ютерних мережах. Існує велика кількість методів роботи рекомендаційних систем для веб-сайтів та застосунків, призначених для централізованих комп’ютерних мереж. В той же час дослідження децентралізованих однорангових мереж показало, що питання створення рекомендаційних систем для такої архітектури практично не розглядалося. Проведено дослідження методів роботи однорангових децентралізованих структурованих комп’ютерних мереж, наведено узагальнені принципи їх роботи. Запропоновано метод роботи рекомендаційної системи на основі колаборативної фільтрації для однорангової децентралізованої структурованої комп’ютерної мережі з адресацією на основі розподілених хеш-таблиць. Для представлення даних рекомендаційної системи було використано дві структури даних: розгорнуті зв’язні списки та хеш-таблиці з відкритою адресацією. Використовувалося два типи розгорнутих списків: асоційовані з користувачами – містили списки вподобаних ними об’єктів та асоційовані з об’єктами – містили списки користувачів, які вподобали відповідні об’єкти. Кожен комп’ютер децентралізованої комп’ютерної мережі містив список вподобань асоційований зі своїм користувачем та списки вподобань асоційовані з об’єктами, які на ньому розташовані. Доступ до відсутньої на поточному комп’ютері інформації здійснювався за допомогою запитів до інших комп’ютерів за відповідними ідентифікаторами, організованими розподіленою хеш-таблицею однорангової децентралізованої мережі. Проведено експериментальне дослідження запропонованого методу роботи рекомендаційної системи. Воно показало, що розроблений метод має досить високі показники точності (Precision) та низьку середньоквадратичну помилку. Недоліком розробленого методу є низькі показники повноти (Recall), що виникає через те, що метод часто робить помилкові негативні прогнози. Це жодним чином не впливає на точність рекомендацій, тому що об’єкти з негативним прогнозом вподобань не потрапляють до списку рекомендацій. Але це погіршує наповненість списків, адже багато елементів, які можна було додати до них, відсіюються.