社交中的用户价值、状态评估及算法匹配模型

　　机器如何知道用户的匹配兴趣？其实，这其中是有着具体的匹配规则的，本文将对其进行了简要概述。
　　接上篇文章《社交领域不会有终局，除非人类停止前进》提到的用户价值和算法匹配，本文进行简单的概述，欢迎点赞和分享、评论，后面我再详细写各部分。
　　目录
　　一、用户自身价值评估
　　二、用户状态评估
　　三、匹配规则
　　四、各价值匹配度计算方法（初步）
　　五、标签举例（较多，本文先不附上）
　　六、应用（后面文章再写）
　　一、用户自身价值评估
　　人与人社交的基础：价值交换；通过三大价值衡量：经济价值、外形价值、生活价值，分别按分值体现，从低到高110分；
　　经济价值计算方法：默认值值3，根据用户初始选择的行业、职位、收入，和默认值综合得到初始值；
　　外形价值计算方法：默认值值3，根据用户初始选择的头像和上传的照片，和默认值综合得到初始值；
　　生活价值计算方法：生活价值不便直接算分衡量，通过用户自选标签、内容分析等判断用户的性格和爱好，通过标签体现，作为匹配的两个要素。
　　（传统匹配：用户与用户间大海捞针）
　　（推荐进行分发，让用户匹配合适自己的人）
　　二、用户内容评估
　　用户每次发布一条内容，可分为：展示经济价值、展示外形价值；同时，状态也会展示个人的性格和爱好。
　　用户发布内容后，平台分析其内容，对其人物价值和标签进行更新完善（初始阶段人工打分或标注，用户量增大，数据积累增多后通过机器学习由机器完成）。
　　若状态展示价值的，对其价值分数进行调整（经济，外形）；展示性格的，为其增加性格标签；展示爱好的，对其增加爱好标签。
　　三、匹配规则
　　每个用户都是外在内在的一个人物画像：外在外形价值经济价值，内在性格爱好。匹配倾向占比：设z1外形价值，z2经济价值，z3性格，z4爱好；z1z2z3z41。
　　用户发布内容时，判断其价值交换倾向，外在还是内在，为其做对应推荐。即找准用户此刻需求，基于历史积累的价值数据匹配。
　　举例：
　　找投资伙伴：倾向经济价值，z10。9，为其推荐经济价值匹配度高的人
　　找短期玩伴：倾向外形价值z20。8，为其推荐外形价值匹配度高的人
　　找人聊天：倾向性格z30。9，为其推荐性格匹配度高的人
　　找人一起运动：倾向爱好z40。8，为其推荐爱好匹配度高的人
　　当用户没有明显需求倾向时，默认值z10。3，z20。3，z30。2，z40。2；
　　再结合其历史匹配信息，结合协同过滤等推荐算法，为其做推荐。
　　四、各价值匹配度计算方法（初步）
　　经济价值匹配度计算方法：
　　用户a的经济价值为x1（百分制）；
　　用户b的经济价值为x2（百分制）；
　　经济价值匹配度x1x1x2100；
　　外形价值匹配度计算方法：
　　用户a的外形价值为y1（百分制）；
　　用户b的外形价值为y2（百分制）；
　　外形价值匹配度y1y1y2100；
　　性格匹配度计算方法f以及爱好匹配度计算方法i参考业界成熟的如协同过滤等推荐算法，如推荐短视频、电影、音乐等；
　　最终两两间匹配度xz1yz2fz3iz4。
　　总结
　　篇幅有限，如果点赞、评论的朋友多了我再详写如何分析状态并贴标签、算法细化、以及应用层面设计等。