Los mercados en línea obtienen sus beneficios basados en sus anuncios o comisiones de venta, mientras que las empresas tienen el interés comercial de clasificarse más alto en las recomendaciones para atraer a más clientes. Los usuarios web no pueden garantizar que los productos proporcionados por los sistemas de recomendación dentro de Big Data sean exhaustivos o relevantes para sus necesidades. Este artículo analiza la relevancia de la clasificación de productos proporcionada por diferentes sistemas de recomendación comerciales de Big Data (Grouplens film, Trip Advisor y Amazon); también propone un Sistema de Recomendación Inteligente (IRS) basado en la Red Neuronal Aleatoria; IRS actúa como una interfaz entre el cliente y los diferentes Sistemas de Recomendación que se adaptan de forma iterativa a la relevancia percibida por el usuario. Además, se presenta una métrica de relevancia que combina tanto la relevancia como la clasificación; esta métrica se utiliza para validar y comparar el rendimiento del algoritmo propuesto. En promedio, IRS supera a los sistemas de recomendación de Big Data después de aprender de forma iterativa de sus clientes.