安卓移动应用基于兴趣和位置的算法

Question

我正在尝试开发 android 移动应用程序，该应用程序具有根据兴趣和位置查找匹配项的功能。许多约会应用已经在做一些功能，例如基于位置、性别和年龄等的 Tinder 匹配。

如果已经完成，我不想重新发明轮子。我在谷歌上搜索过，有人建议为此使用聚类算法Algorithm for clustering people with similar interestsUser similarities algorithm

让我拥有这种 JSON 格式的用户数据

User1: {location: "Delhi, India", interests: ["Jogging", "Travelling", "Praying"] }
User2: {location: "Noida, India", interests: ["Running", "Eating", "Praying"] }
User3: {location: "Bangalore, India", interests: ["Exercise", "Visiting new places", "Chanting"] }

我正在编写一个匹配以下几个条件的匹配算法 -

1. 如果用户 1 对“慢跑”感兴趣，而另一个用户 2 对“跑步”感兴趣，那么慢跑和跑步是一种锻炼方式，因此他们应该匹配两个配置文件，并且应该也要注意位置，因为最近的应该在顶部。

2. 该算法在大规模运行时应该具有相当的性能。这意味着我想避免将每个用户单独与其他用户进行比较。对于 N 个用户，这是一个 O(N^2) 操作。理想情况下，我想开发某种“分数”，我可以为每个用户单独生成，因为这涉及只遍历所有用户一次。然后我可以找到其他分数相似的用户，并据此确定最佳匹配。

谁能建议我在firebase-cloud-function 和firebase-database 的帮助下实现这一点。

Answer 1

我认为硬编码相似性是一种错误的方法。仅供参考，主要搜索引擎都不依赖此类映射。

更好的方法是更多地以数据为驱动力。创建一个特别的方法开始，一旦你有足够的数据构建机器学习模型来对匹配进行排名。这样你就不必假设任何事情。

对于位置，有某种半径（最好可以由用户设置）并匹配半径内的人。

Answer 2

首先我会说摆脱数据集中的冗余特征，慢跑和跑步可能是 1 个特征而不是 2 个，之后您可以使用 K-means 算法以无监督的方式对数据进行分组 要了解有关 K-means 的更多信息，您可以访问此链接： https://www.coursera.org/learn/machine-learning/lecture/93VPG/k-means-algorithm

此外，当您正在构建一个在线系统时，它必须每天都在自我改进 您可以观看此内容以了解有关在线学习的更多信息 https://www.coursera.org/learn/machine-learning/lecture/ABO2q/online-learning

另外https://www.coursera.org/learn/machine-learning/lecture/DoRHJ/stochastic-gradient-descent 这个随机梯度将有助于了解。

这些是概念视频，自己没有实现任何东西，你可以随时使用类似 tensorflow 的库https://www.tensorflow.org/

我知道这看起来有点难以理解，但您需要这些知识才能构建自己的自定义推荐系统。