数据库中用户配对匹配的常用方法？

Question

希望你平安无事！ 如果有用户数据库，我有一个关于配对匹配的常规或常见方法的问题：假设每个用户都有一些属性，并且在匹配时，每个用户可以更改过滤选项以仅匹配那些适合自己的人需求（所以用户之间存在相互选择），我们希望尽可能精确地匹配1000个用户。

例如，假设每个用户有 3 个属性：性别（女/男/其他），学习水平（初级/中级/高级）和年级（大一/大二/初级/高级），以及匹配时，每个用户可以选择只匹配他们选择的性别、学习水平和年级的人。 当关注 1 个用户时，我猜想，从数据库的角度来看，我们可以在命令中使用过滤选项，并获取同时满足“我的要求”和“我符合他们的要求”的用户列表？但是，我认为当匹配阶段同时有 1000 多个用户时，这会是缓慢和异步的问题？

我在这里看到另一个帖子讨论了开花算法或贪心算法，如果查看图表，这看起来很酷。在这种情况下它们可行吗？我猜如果两个用户同时满足两个需求，他们在两个节点之间会有一条边，边的值可以是3个属性的综合匹配分数？

无论如何，我想知道是否有一种通用方法可以同时与至少 1000 多个用户进行精确匹配？

非常感谢！

Answer 1

如果要求每个匹配项必须具有完全相同的属性，那么解决方案相当简单；只需进行多条件排序（例如，首先按性别排序，然后在每个性别类别中按学习水平排序等）并将相同的用户配对。

但是，在随机数据集中，您不太可能为所有用户找到完美匹配。在这种情况下，您需要根据每个类别的匹配程度来获得分数对，并使用更复杂的算法来最大化您的整体匹配。您会做什么在很大程度上取决于您的用例和用户群规模。老实说，1000 个用户对于现代计算机来说是一个非常小的数字。几乎任何多项式时间方法（包括您提到的开花）都可以正常工作。