Django为约会应用程序匹配设计模型

我正在为一个hackathon项目开发一个约会应用程序。我们有用户填写的一系列问题，然后每隔几天我们将发送建议匹配。如果有人对这些匹配算法有很好的教程，我们将不胜感激。一个想法是为每个问题分配一个分值，然后做一个测试 def comparison（person_a，person_b）函数，您在其中迭代这些问题，如果有一个常见的答案，您可以添加一个点。所以分数越高，比赛就越好。到目前为止，我了解这一点，但我正在努力了解如何将这些数据保存到数据库中

在python中，我可以选择每个用户，然后使用这个比较函数遍历所有其他用户，并为每个人创建一个字典，列出所有其他用户和他们的分数。然后，为了建议匹配，我反复浏览字典列表，如果那个人还没有与那个人匹配，那么就进行匹配

person1_dictionary_of_matches = {‘person2’: 3,  ‘person3’: 5,  ‘person4’: 10,  ‘person5’: 12, ‘person6’: 2,……,‘person200’:10}
person_1_list_of_prior_matches = [‘person3’, 'person4']

我正在努力研究如何在django中表达这一点。我可以有一群用户，并制作一个匹配模型，如：

class Match(Model):
     person1 = models.ForeignKey(User)
     person2 = models.ForeignKey(User)
     score = models.PositiveIntegerField()

在这里，我进行迭代并保存所有成对的分数

然后做
person\u matches=Match.objectsfilter（person1=sarah，person2！=sarah）。按（'score'）排序。排除（过去匹配列表中的person2）

---

但我担心有1000个用户，如果这样做，我的表中将有1000000行。如果必须为数据库中的每个用户保存所有这些成对分数，这会很残酷吗？或者，如果我在周日晚上凌晨1点运行它，或者只缓存这些响应一次，并使用比较数月，这是否无关紧要？有没有比两两配对更好的方法？我是否应该使用其他数据结构来捕获人员及其兼容性分数？非常感谢您的指导

有趣的问题。在机器学习的当前范例中，您使用稀疏矩阵，这意味着您不必执行每个匹配评估。稀疏性可能来自两种选择：

创建数据的批处理脱机分析，以执行某些群集（奇特的解决方案）

通过一些关键属性筛选个人：a）性别/性偏好，b）地理位置，c）约会状态等（简单解决方案）

过滤之后，您可以执行一个函数来估计新用户的适当匹配项。根据用户选定的选项，将选定的匹配项添加到数据库中，以备将来查询。然而，如果你认真对待这个问题，我建议你试试Spark。这不是SQL数据库的问题，而是大数据引擎的问题