Published January 1, 2018
| Version v1
Publication
Open
An Improved Collaborative Filtering Recommendation Algorithm for Big Data
- 1. Mohamed-Cherif Messaadia University
Description
With the increase of volume, velocity, and variety of big data, the traditional collaborative filtering recommendation algorithm, which recommends the items based on the ratings from those like-minded users, becomes more and more inefficient. In this paper, two varieties of algorithms for collaborative filtering recommendation system are proposed. The first one uses the improved k-means clustering technique while the second one uses the improved k-means clustering technique coupled with Principal Component Analysis as a dimensionality reduction method to enhance the recommendation accuracy for big data. The experimental results show that the proposed algorithms have better recommendation performance than the traditional collaborative filtering recommendation algorithm.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
مع زيادة حجم البيانات الضخمة وسرعتها وتنوعها، تصبح خوارزمية توصيات التصفية التعاونية التقليدية، التي توصي بالعناصر بناءً على التقييمات من هؤلاء المستخدمين ذوي التفكير المماثل، غير فعالة أكثر فأكثر. في هذه الورقة، يتم اقتراح نوعين من الخوارزميات لنظام توصيات الترشيح التعاوني. يستخدم الأول تقنية تجميع الوسائل k المحسنة بينما يستخدم الثاني تقنية تجميع الوسائل k المحسنة إلى جانب تحليل المكونات الرئيسية كطريقة لتقليل الأبعاد لتعزيز دقة التوصية للبيانات الضخمة. تظهر النتائج التجريبية أن الخوارزميات المقترحة لها أداء توصية أفضل من خوارزمية توصية التصفية التعاونية التقليدية.Translated Description (French)
Avec l'augmentation du volume, de la vitesse et de la variété des mégadonnées, l'algorithme traditionnel de recommandation de filtrage collaboratif, qui recommande les éléments en fonction des évaluations de ces utilisateurs partageant les mêmes idées, devient de plus en plus inefficace. Dans cet article, deux variétés d'algorithmes pour le système de recommandation de filtrage collaboratif sont proposées. Le premier utilise la technique améliorée de regroupement des k-moyens tandis que le second utilise la technique améliorée de regroupement des k-moyens couplée à l'analyse en composantes principales comme méthode de réduction de la dimensionnalité pour améliorer la précision des recommandations pour les mégadonnées. Les résultats expérimentaux montrent que les algorithmes proposés ont de meilleures performances de recommandation que l'algorithme de recommandation de filtrage collaboratif traditionnel.Translated Description (Spanish)
Con el aumento del volumen, la velocidad y la variedad de big data, el algoritmo tradicional de recomendación de filtrado colaborativo, que recomienda los elementos en función de las calificaciones de los usuarios con ideas afines, se vuelve cada vez más ineficiente. En este documento, se proponen dos variedades de algoritmos para el sistema de recomendación de filtrado colaborativo. El primero utiliza la técnica de agrupamiento de k-medias mejorada, mientras que el segundo utiliza la técnica de agrupamiento de k-medias mejorada junto con el análisis de componentes principales como un método de reducción de dimensionalidad para mejorar la precisión de la recomendación para big data. Los resultados experimentales muestran que los algoritmos propuestos tienen un mejor rendimiento de recomendación que el algoritmo tradicional de recomendación de filtrado colaborativo.Files
document.pdf
Files
(359.7 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:c26105aee977e8851c60c4604de2dc22
|
359.7 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- خوارزمية توصية تصفية تعاونية محسنة للبيانات الضخمة
- Translated title (French)
- Un algorithme de recommandation de filtrage collaboratif amélioré pour les mégadonnées
- Translated title (Spanish)
- Un algoritmo de recomendación de filtrado colaborativo mejorado para Big Data
Identifiers
- Other
- https://openalex.org/W2796745013
- DOI
- 10.1007/978-3-319-89743-1_56
References
- https://openalex.org/W1965355809
- https://openalex.org/W1971040550
- https://openalex.org/W2021035032
- https://openalex.org/W2022575446
- https://openalex.org/W2023213786
- https://openalex.org/W2027908780
- https://openalex.org/W2035391319
- https://openalex.org/W2036279382
- https://openalex.org/W2081434183
- https://openalex.org/W2100719266
- https://openalex.org/W2117281325
- https://openalex.org/W2117592999
- https://openalex.org/W2404472757
- https://openalex.org/W2497069692
- https://openalex.org/W2579924396
- https://openalex.org/W2605814604
- https://openalex.org/W2614794251
- https://openalex.org/W2802280634
- https://openalex.org/W3098460717
- https://openalex.org/W316428855