O presente trabalho tem o objetivo de estudar e aplicar técnicas de recomendação personalizada, com a criação de um protótipo que aproxime os usuários de redes sociais e os sites de e-commerce. Apresenta-se inicialmente um levantamento bibliográfico a fim de esclarecer sobre e-commerce, redes sociais e aplicar algoritmo para buscas contextuais como indivíduos isolados. O levantamento inicial teve embasamento para a criação do protótipo aqui proposto. O protótipo realiza a indexação dos feeds e nome de usuário, sendo esses dos usuários de redes sociais com o propósito que ao final da execução seja feita uma recomendação personalizada de produtos de e-commerce. Esta recomendação tornou-se possível com a utilização das bibliotecas do Apache Lucene que implementa um algoritmo de busca por texto completo, conhecido como Full Text Search. Este algoritmo realiza a criação de índices textuais a fim de que os dados sejam organizados para uma busca otimizada. De inicio foi realizada a leitura dos feeds da rede social Twitter e armazenados no banco de dados hsqldb. Esse processo foi realizado com a criação de um projeto Maven, que faz a conexão com a rede social e a leitura de seus feeds e insere os feeds e o nome do usuário em uma tabela no banco de dados. Esse processo fica lendo a rede social, e a cada feed novo que o usuário insere na rede social, este mesmo seja inserido no banco de dados. Após a realização da inserção no banco de dados com as informações sociais, o protótipo realiza a leitura desta tabela e com a ajuda das bibliotecas do Lucene é realizada a indexação dos dados, e criado um diretório com os arquivos gerados pelo Lucene com as informações indexadas. Juntamente com as informações sociais, também é indexado informações de produtos de e-commerce com descrição, palavra chave e preço, para que sejam recomendados ao usuário. Após a indexação é realizado o processo de consulta, o qual realiza a leitura dos feeds indexados e faz uma recomendação, no formato de widget, de um produto ou serviço que o usuário possa estar procurando. Os resultados obtidos com esse projeto foram satisfatórios, visto que, a recomendação personalizada com base em feeds de rede social foi obtida com sucesso.