Um modelo integrado para avaliação dos desafios de big data e métodos analíticos em sistemas de recomendação

O estudo teve como objetivo apresentar um modelo integrado para avaliação dos desafios de big data (BD) e métodos analíticos em sistemas de recomendação (RSs). O modelo proposto utilizou tomadas de decisão multi-critério fuzzy (MCDM), que é um método baseado no julgamento humano para ponderação das propriedades dos RSs. O julgamento humano está associado à incerteza e informações cinzas. Utilizamos técnicas fuzzy para integrar, resumir e calcular distâncias de julgamento de valor de qualidade. Em seguida, dois sistemas de inferência fuzzy (FIS) são implementados para pontuar os desafios de BD e métodos analíticos de dados em diferentes RSs. Nos testes experimentais do modelo proposto, uma análise do coeficiente de correlação (CC) é realizada para testar a relação entre uma avaliação de desafio de BD para um RS baseado em filtragem colaborativa e os resultados dos sistemas de inferência fuzzy. O resultado mostra a capacidade do modelo proposto de avaliar as propriedades de BD em RSs. Estudos futuros podem melhorar os FIS fornecendo regras para avaliar ferramentas de BD.