The huge amount of information available on the web has bothered users to select items that meet their needs . The Recommender Systems emerged as indispensable tools in this information overload scenario in order to lter out what is of interest to the user and allow him to have a dierentiated experience with existing information systems. We present a methodology for developing recommendation systems, using mining algorithms preferences: PrefRec. We aim at building Recommender Systems that have good values of accuracy and allowing a more satisfying interaction to the user, from the validation measures of accuracy, coverage, novelty and serendipity. The use of algorithms for mining preferences objectively understand the user\'s preferences about the characteristics of the items, achieving more accurate recommendations. In the case study implemented, the Recommendation System XPrefRec, we apply a mining algorithm from a special type of contextual preferences in order to dene the user preferences on a certain context. We also analyzed what are the factors that inuence the methodology proposed in the Recommendation System performance and presents the comparison of the performance of this system with the state of the art regarding Hybrid Recommender Systems.Mestre em Ciência da ComputaçãoA enorme quantidade de informação disponível na web tem dicultado os usuários a selecionarem itens que atendam suas necessidades. Os Sistemas de Recomendação surgem como ferramentas indispensáveis neste cenário de sobrecarga de informação, a m de ltrar o que é de interesse do usuário e permitir que ele tenha uma experiência diferenciada com os atuais sistemas de informação. Apresentamos nessa dissertação uma metodologia para o desenvolvimento de Sistemas de Recomendação, utilizando algoritmos de mineração de preferências: a PrefRec. Objetivamos com essa proposta a construção de Sistemas de Recomendação que tenham bons valores de acurácia e que permitam uma interação com o usuário mais satisfatória, a partir das medidas de validação de acurácia, cobertura, novidade e serendipity. A utilização de algoritmos de mineração de preferências objetiva compreender as prefer ências dos usuários sobre as características dos itens, alcançando recomendações mais acuradas. No estudo de caso implementado, o Sistema de Recomendação XPrefRec, aplicamos um algoritmo minerador de um tipo especial de preferências contextuais, a m de denir qual a preferência do usuário diante de determinado contexto. Analisamos ainda quais são os fatores da metodologia proposta que inuenciam na performance do Sistema de Recomendação, e realizamos a comparação do desempenho desse sistema com o estado da arte em relação a Sistemas de Recomendação híbridos.