我正在尝试解决约会网站的问题。问题来了
应用的每个用户都会有一些属性——比如他读的书、他看的电影、音乐、电视节目等。这些是定义的顶级属性类别。这些类别中的每一个都可以有任意数量的值。例如在书中：喷泉头，爱情故事......
现在，我需要根据个人资料属性匹配用户。这是我打算做的事情：
使用反向索引存储数据。如果。 Fountain Head、Love Story 等中的每一个都是具有该属性的一组用户的索引键。
当有新用户加入时，获取该用户的属性，查找该用户有哪些索引键，获取这些键的所有用户，桶（或基数排序或类似排序）按多少次排序此合并列表中的用户。
这是好事、坏事还是更糟？还有其他建议吗？
谢谢 阿杰
【问题讨论】：
标签： algorithm matching n-dimensional
你描述的算法还不错，虽然它使用了一个非常简单的人与人之间相似性的概念。
让我们使其更易于调整，而无需创建复杂的匹配标准。假设喜欢同一本书的人比听相同音乐的人更相似。每一种兴趣都是如此。即不同领域的相似度具有不同的权重。
就像您说的那样，您可以为个人资料中拥有这些兴趣的人（如一本书、一首歌等）保留一份列表。然后，假设您要查找家伙 g 的匹配项：
for each interest i in g's interests:
for each person p in list of i
if p and g have mismatching sexual preferences
continue
if p is already in g's match list
g->match_list[p].score += i->match_weight
else
add p to g->match_list with score i->match_weight
sort g->match_list based on score
不过，权重的选择并不是一项简单的任务。你需要很多心理学才能做到这一点。但是，使用您的常识，您可能会得到相距不远的值。
一般来说，匹配人比对一些分数求和要复杂得多。例如，一组匹配的兴趣可能比它们单独的总和具有更多（或在某些情况下更少）的影响。此外，对一个人的兴趣可能完全导致另一个人的拒绝，无论是否存在其他匹配的兴趣（以两个非常相似的人为例，他们一个喜欢暮光，另一个讨厌暮光之城）
【讨论】：