Après avoir implémenté cette solution de recommandation hybride basé sur le k-means et le clustering on a constaté de performantes résultats surtout que cette solution ne consomme pas beaucoup en termes de temps et de performances.

Pour 10 000 utilisateurs on a eu 15 regroupements de profil de compétences similaires avec un temps d’exécution de 2.033 s et un taux d’erreur lié au nombre de compétences de 7.58%. En effet on peut inter-recommander les utilisateurs du même regroupement (qui ont le même cluser).

Pour 1 000 000 d’utilisateurs

On a eu 15 regroupements de profil de compétences similaires avec un temps d’exécution de 47.617 s et un taux d’erreur lié au nombre de compétences de 7.56%. En effet on peut inter-recommander les utilisateurs du même regroupement (qui ont le même cluser).

On remarque que l’algorithme de k moyennes et stable et fiable malgré la montée en charge de nombre d’utilisateurs du coup on peut dire que cette dernière solution et système de recommandation basé sur le clustering et la plus optimale.