Utilização de bases de dados vetoriais em processos de similaridade de preferências de clientes

Abstract

Um sistema de similaridade realiza um processo que identifica e recupera dados ou objetos que são semelhantes a uma determinada consulta (query). Em vez de procurar correspondências exatas (como um motor de busca tradicional), este tipo de sistemas avalia a semelhança de dois itens com base em características e padrões. A utilização de processos de análise de similaridade de preferências de clientes permite agrupar clientes em grupos com interesses comuns. Esta abordagem possibilita a criação de recomendações personalizadas de produtos e serviços oferecidos, promovendo a satisfação e fidelização do cliente. Este trabalho de dissertação abordou o estudo e a aplicação da análise de similaridade para sistemas de preferências de clientes com recurso a bases de dados vetoriais, através de algoritmos e estruturas de dados especificamente projetados para medir a ”distância”entre dois elementos de dados representados como vetores. Utilizando técnicas como a similaridade do cosseno ou a distância euclidiana, foi possível avaliar e classificar as similaridades entre vários objetos, quer sejam do tipo texto, imagem ou qualquer outro tipo de dados. Para construir este sistema de análise de similaridade, fez-se primeiro um estudo comparativo entre os vários tipos de medidas de similaridade de vetores e sistemas que as usam seguido de outra análise comparativa para diferentes implementações de sistemas de bases de dados vetoriais. Após esta preparação inicial, procedeu-se à devida implementação do sistema, usando um conjunto de cenários de análise para proceder à avaliação do comportamento do sistema construído. Por fim, com base nos resultados obtidos, são apresentadas algumas propostas orientadas para a melhoria da qualidade do sistema.

A similarity system performs a process that identifies and retrieves data or objects that are similar to a given query. Instead of looking for exact matches (like a traditional search engine), these types of systems evaluate the similarity of two items based on characteristics and patterns. The use of customer preference similarity analysis allows grouping customers into clusters with common interests. This approach enables the creation of personalized recommendations for products and services offered, promoting customer satisfaction and loyalty. This dissertation addresses the study and application of similarity analysis for customer preference systems using vector databases, through algorithms and data structures specifically designed to measure the ”distance”between two data elements represented as vectors. Using techniques such as cosine similarity or Euclidean distance, it is possible to evaluate and classify similarities between different objects, whether they are text, images or any other type of data. To build this similarity analysis system, a comparative study was first carried out between the various types of vector similarity measures and systems that use them, followed by another comparative analysis for different implementations of vector database systems. After this initial preparation, the system was properly implemented, using a set of analysis scenarios to evaluate the behavior of the constructed system. Finally, based on the results obtained, some proposals aimed at improving the quality of the system are presented.