Sistema de recomendação de serviços de barbearia utilizando filtragem colaborativa e distância euclidiana via api

Abstract

RESUMO: Este trabalho descreve o desenvolvimento de um sistema de recomendação de ser- viços de barbearia, implementado em Java com o auxílio do framework Spring Boot e apoiado por um banco de dados PostgreSQL, acessado por meio de uma API. O sistema utiliza a abordagem de filtragem colaborativa em conjunto com a métrica de distância euclidiana. A filtragem colaborativa identifica avaliações em comum entre os usuários, considerando apenas os itens em que ambos tenham fornecido notas. Com base nesses dados compartilhados, o coeficiente de similaridade é calculado para determinar a afinidade entre os usuários, possibilitando recomendações personalizadas. Para avaliar a eficácia do sistema, conduziu-se um estudo de caso com a participação de 18 indivíduos na primeira fase e 24 na segunda. Durante o estudo, os participantes foram apresentados a quatro estilos de corte de cabelo diferentes e convidados a fornecer suas avaliações. Na primeira fase, a análise estatística revelou uma diferença substancial entre as avaliações dos participantes e as notas geradas pelo sistema, indicando uma disparidade estatisticamente significativa. O teste t de Student bicaudal resultou em um valor de aproximadamente 0,01, sugerindo uma diferença significativa entre os conjuntos de dados. Entretanto, na segunda fase, o teste bicaudal produziu um valor muito maior que o nível alfa (aproximadamente 0,93), indicando uma menor discrepância entre as avaliações dos participantes e as notas do sistema. Além das análises estatísticas, realizou-se uma pesquisa qualitativa para compreender o nível de satisfação dos participantes com o sistema. Surpreendentemente, independente- mente dos resultados do teste t de Student nas duas fases do estudo, 66,66% dos participantes concordaram com as notas calculadas pelo sistema, enquanto 33,33% discordaram. Este estudo destaca a complexidade do desenvolvimento de sistemas de recomendação e ressalta a importância de avaliações detalhadas e análises estatísticas na validação desses sistemas.

ABSTRACT: This work describes the development of a barber service recommendation system, implemented in Java with the assistance of the Spring Boot framework and supported by a PostgreSQL database, accessed through an API. The system employs a collaborative filtering approach in conjunction with the Euclidean distance metric. Collaborative filter- ing identifies shared evaluations among users, considering only the items for which both have provided ratings. Based on this shared data, the similarity coefficient is calculated to determine user affinity, enabling personalized recommendations. To assess the sys- tem’s effectiveness, a case study was conducted with the participation of 18 individuals in the first phase and 24 in the second. During the study, participants were presented with four different haircuts and asked to provide their evaluations. In the first phase, statistical analysis revealed a substantial difference between participant’s evaluations and the system-generated scores, indicating a statistically significant disparity. The two-tailed Student’s t-test resulted in a value of approximately 0.01, suggesting a signifi- cant difference between the data sets. However, in the second phase, the two-tailed test produced a much higher value than the alpha level (approximately 0.93), indicating a smaller discrepancy between participants’ evaluations and the system’s scores. In addition to the statistical analyses, qualitative research was conducted to understand participants’ satisfaction with the system. Surprisingly, regardless of the results of the Student’s t-test in the two study phases, 66.66% of participant’s agreed with the scores calculated by the system, while 33.33% disagreed. This study underscores the complexity of developing recommendation systems and emphasizes the importance of detailed evaluations and statistical analyses in validating these systems.