Un nouvel algorithme de filtrage collaboratif utilisant le clustering K-means et le vote des voisins

Le filtrage collaboratif est l'algorithme le plus réussi dans le domaine des systèmes de recommandation. Un système de recommandation est un système intelligent qui peut aider les utilisateurs à découvrir des éléments intéressants. Il utilise des techniques d'exploration de données et de filtrage d'informations. Le filtrage collaboratif crée des suggestions pour les utilisateurs en fonction des préférences de leurs voisins. Mais il souffre de sa faible précision et de sa scalabilité. Cet article considère que les utilisateurs sont des points m (m est le nombre d'utilisateurs) dans un espace n-dimensionnel (n est le nombre d'articles) et représente une approche basée sur le clustering des utilisateurs pour produire une recommandation pour l'utilisateur actif par une nouvelle méthode. Il utilise l'algorithme de clustering K-means pour catégoriser les utilisateurs en fonction de leurs intérêts. Ensuite, il utilise une nouvelle méthode appelée algorithme de vote pour développer une recommandation. Nous évaluons le filtrage collaboratif traditionnel et le nouveau afin de les comparer. Nos résultats montrent que l'algorithme proposé est plus précis que le traditionnel et, de plus, il nécessite moins de temps.