交友軟體的推薦系統

AInimal 人工智慧社群養成

相關連結

• 網頁版（需調整瀏覽器尺寸至手機比例
• 下載連結
• FB 粉專
• IG 主頁
• 其他連結

現況

目前配對機制

隨機選擇一位"符合篩選條件"和"在當天有上線"的人

改良–基於人個特質的聊天活絡程度預測

Google Colab

正確率

train accuracy: 0.78
test accuracy: 0.62

可能原因：

• 模型太過簡單
• 人格特質不適合作為聊天活絡程度的評斷標準

希望軟體內能有個推薦系統讓配對達到以下要求：

1. 會回訊息
2. 聊天熱絡
3. 交換其他通訊軟體

其他期望：

• 讓沒有在用的人回來使用軟體
• 在使用者數量增加之後依然適用

Input/Output

Input: user, chat, friend

Output: list of recommended users with ranking

1. 分析哪些屬性值得使用
2. 配對成功的評斷標準
3. 資料篩選

• Recommender System for Online Dating Service 2007 / 162 cites
• RECON: A reciprocal recommender for online dating 2010 / 184 cites
• Recommender Systems for Online Dating 2015 / 6 cites
• Design of Reciprocal Recommendation Systems for Online
  Dating 2016 / 24 cites
• Shedding More Light on How Instagram Works

user

• birth
• gender
• create_at
• …

可能有些資料必須處理過後取得

chat

• message
• send_from, send_to
• time
• type (文字、貼圖)

friend

• user_1, user_2
• last_message
• created_at
• updated_at
• is_new
• …

1. rule base
2. CF
3. GNN

與 HW3 相同

• RMSE
• Recall
• NDCG

所有的配對 friend 可以看成是一個 Graph ，並且 chat 能當作是邊上的權重， user 則是 node feature

gantt
    title Model development
    axisFormat  %m%d
    section development
    research: 2021-06-01, 5d
    data processing: 4d 
    programing : 3d
    document : 2d

gantt
    title Model development
    axisFormat  %m%d
    section development
    research: 2021-06-01, 5d
    data processing: 4d 
    programing : 3d
    document : 2d
    
    section deploy
    discussion: 2021-07-01, 7d
    research: 14d 
    deploy : 7d
    modify : 7d