通过参数获取两个对象之间的匹配百分比答案

【问题标题】：get match percentages between two objects by parameters通过参数获取两个对象之间的匹配百分比
【发布时间】：2013-06-16 14:28:07
【问题描述】：

我想创建一个程序来自动化我今天手动执行的过程。如果解决方案看起来很简单，我很抱歉，我只是不想专门为我的问题考虑新算法，因为我确信有人已经考虑过了。我的场景是这样的：我有正在寻找工作的候选人列表，并且我有工作列表。对于每个候选人，我都知道他正在寻找的工作的以下要求。喜欢：

工资
工作地点
公司规模（大/小）

在手动过程中，我所做的是将这些候选人的要求参数与工作的要求参数进行匹配，并“返回”似乎适合候选人的工作（不一定要完全匹配）。当然我正在考虑候选人的要求是“很高兴拥有”或“必须拥有”。

我正在寻找一种算法，它可以返回每个候选人与每个工作的匹配百分比。有人可以指点我这样的匹配算法的任何名称。

谢谢

【问题讨论】：

根据您现在手动使用的任何比例将点分配给拟合参数，将所有点的总和除以可达到的总点数，然后确定匹配所需的点阈值有才能被考虑？对于破坏交易的情况（例如“必须位于美国境内”对于在巴巴新几内亚的工作），您可以添加一个非常小的负值（意思是 -10000 之类的），这样它就可以抵消任何正值总分，以确保分数保持在接受阈值以下。

标签： c# algorithm

【解决方案1】：

我的建议是将每个对象转换为 3-D 空间中的向量，然后在两个向量（对象）之间找到Euclidean distance。

首先，将salary、location和size分配给x、y和 z 轴。
然后将属性映射到[0, 1]轴的区间。

例如，如果您的最低薪水为 1'000，最高薪水为 10'000，那么您将映射：

$ 1'000 -> x 轴上的 0，
$ 10'000 -> 在 x 轴上为 1。

映射位置很难，但是假设您有一个地图网格，并且您根据地理位置为网格的每个补丁分配一个值 - 更接近的具有相似的值。例如，美国各州为我们提供了一个很好的例子：

纽约 -> y 轴上的 1.0，
新泽西州 -> y 轴上为 0.99，
...
加利福尼亚 -> y 轴上为 0.1。

映射公司规模类似于：

启动 -> z 轴上 0.2，
...
跨国 -> z 轴上的 1.0。

举个例子：约翰想要 9.000 的薪水，想要在纽约找到一份工作，并想要在一家初创公司工作。他在 3D 空间中的向量是[0.82, 1.00, 0.1]。 Peter 想要 5.500 的薪水，想要在新泽西找到一份工作，并且想要在一家非常大的公司工作 - [0.5, 0.99, 0.8]。最后，Mike 想要一份 8.000 的薪水，一份在加利福尼亚的工作，还有一家初创公司 - [0.73, 0.1, 0.1]。

根据 3D 空间中的欧式距离公式：

d(a, b) = sqrt((a1-b1)^2 + (a2-b2)^2 + (a3 - b3)^2)

Distance between John and Peter is: d(J, P) = 0.77
Distance between John and Mike is:  d(J, M) = 0.90

所以结论是约翰和彼得比约翰和迈克更亲近。

您可以做的另一件事是在每个轴上引入一些常量以强调其重要性（例如，位置比公司规模更重要）因此在公式中您可以执行以下操作：

d(a, b) = sqrt((a1-b1)^2 + (C*a2 - C*b2)^2 + (a3 - b3)^2), where C = 10

【讨论】：

【解决方案2】：

similiarity(A,B) = 1 / (1 + (distance(A,B) / unit))

距离为 0 的情况：

similarity(A,A)
= 1 / (1 + (distance(A,A) / unit))
= 1 / (1 + (0 / unit))
= 1 / (1 + 0)
= 1.0
~ 100 %

距离无限的情况：

similarity(A,Z)
= 1 / (1 + (distance(A,Z) / unit))
= 1 / (1 + (infinity / unit))
= 1 / infinity
= 0.0
~ 0 %

代码：

JobComparison* compare (Job a, Job b)
{

    // define units based on measurement
    double unit1 = 1000.0;
    double unit2 = 100.0;
    double unit3 = 10.0;

    // calculate distance
    double d1 = abs(a.salary - b.salary);
    double d2 = distance(a.location, b.location);
    double d3 = abs(a.companySize - b.companySize);

    // calculate similiarity
    double p1 = 1 / (1 + (d1 / unit1));
    double p2 = 1 / (1 + (d2 / unit2));
    double p3 = 1 / (1 + (d3 / unit3));

    return new JobCompare(p1, p2, p3);

}

public class JobCompare
{
  public:
    double salarySimiliarity;
    double locationSimiliarity;
    double companySimiliarity;
}

public class Job
{
  public:
    double salary;
    Location location;
    double companySize;
}

【讨论】：