Évaluation des techniques de regroupement pour la recommandation de nouvelles

La surcharge d'informations est l'un des problèmes les plus importants de nos jours. On peut l'observer dans différents domaines, notamment dans le monde des affaires, et en particulier dans celui de l'information. La fiabilité des sites d'information est généralement déterminée par la quantité d'informations ajoutées au portail. Les sites d'information les plus populaires publient ainsi de nombreux articles chaque jour. La solution classique généralement utilisée pour traiter la surcharge d'informations est la recommandation. Dans ce livre, nous évaluons le clustering MapReduce k-means et fuzzy k-means pour une recommandation basée sur le contenu des articles d'actualité, basée sur la distance euclidienne et la recherche de similarité cosinus. Cette approche se compose de deux phases d'opération.

Autorentext

Ranjith Kumar Gatla travaille comme professeur associé dans le département CSE (Data Science) à l'Institute of Aeronautical Engineering, Hyderabad.Anitha Gatla travaille comme professeur adjoint dans le département des technologies de l'information à l'Institute of Aeronautical Engineering, Hyderabad.

Klappentext

La surcharge d'informations est l'un des problèmes les plus importants de nos jours. On peut l'observer dans différents domaines, notamment dans le monde des affaires, et en particulier dans celui de l'information. La fiabilité des sites d'information est généralement déterminée par la quantité d'informations ajoutées au portail. Les sites d'information les plus populaires publient ainsi de nombreux articles chaque jour. La solution classique généralement utilisée pour traiter la surcharge d'informations est la recommandation. Dans ce livre, nous évaluons le clustering MapReduce k-means et fuzzy k-means pour une recommandation basée sur le contenu des articles d'actualité, basée sur la distance euclidienne et la recherche de similarité cosinus. Cette approche se compose de deux phases d'opération.