第壹，用戶自身的價值評估
二、用戶狀態評估
第三，匹配規則
四。價值匹配度計算方法(初步)
動詞 （verb的縮寫）標簽示例(很多，本文未附上)
不及物動詞應用程序(稍後編寫)
人際交往的基礎:價值交換；
通過三大價值衡量(經濟價值、外貌價值、生命價值)，用分數來體現，從低到高，1-10分；
經濟價值的計算方法:默認值3，根據用戶初始選擇的行業、職位、收入、默認值得出初始值；
外觀值的計算方法:默認值3，根據用戶初始選擇的頭像和上傳的照片，以及默認值，得出初始值；
生命價值的計算方法:不方便直接計算和衡量生命價值，通過用戶選擇的標簽和內容分析來判斷用戶的性格和愛好，通過標簽作為兩個匹配的要素來體現。
用戶壹次發布壹條內容，可分為:
展現經濟價值和外觀價值；同時，狀態也會表現出壹個人的性格和愛好。
用戶發布內容後，平臺對其內容進行分析，更新完善其人物價值和標簽(初期用戶數量增加，數據積累增加後，通過機器學習由機器完成)。
如果狀態顯示值，調整其值分值(經濟，形態)；如果表現出個性，就給它加上個性標簽；如果妳展示了妳的愛好，給它們加上壹個愛好標簽。
每壹個用戶都是外在+內在的畫像:外在=外貌價值+經濟價值，內在=性格+愛好。？
匹配傾向比例:設z1=外貌價值，z2=經濟價值，z3=性格，z4=愛好；z1+z2+z3+z4=1 .
當用戶發布內容時，判斷其價值交換傾向，外在的還是內在的，並為其做出相應的推薦。即找到用戶此刻的需求，並基於歷史積累的價值數據進行匹配。
例如:
尋找投資夥伴:偏向經濟價值，z1=0.9，推薦經濟價值匹配度高的人。
找短期玩伴:我傾向於外貌值z2=0.8，推薦外貌值匹配高的人。
找人聊天:傾向於性格z3=0.9，給他們推薦性格匹配度高的人。
找人壹起鍛煉:傾向於喜歡z4= 0.8，給他們推薦匹配度高的愛好的人。
當用戶沒有明顯需求傾向時，默認值為z1=0.3，Z2 = 0.3，Z3 = 0.2，Z4 = 0.2
結合其歷史匹配信息、協同過濾等推薦算法進行推薦。
經濟價值匹配度的計算方法；
用戶A的經濟價值是x1(百分制)。
用戶B的經濟價值為x2(百分位數)。
經濟價值匹配度x = 1-| x 1-x2 |/100；
外觀價值匹配度的計算方法；
用戶a的外貌值是y1(百分制)。
用戶B的外貌值是y2(百分制)。
外觀價值匹配度y = 1-| y 1-y2 |/100；
性格匹配計算方法F和愛好匹配計算方法I參考了業界成熟的協同過濾等推薦算法，比如推薦短視頻、電影、音樂等。
最終兩兩匹配度= x*z1+y*z2+f*z3+i*z4。
空間有限。如果有更多喜歡、分享、評論的朋友，我會詳細寫如何分析、標簽狀態，細化算法，設計應用層面。
拋磚引玉，期待交流。