問題描述
用戶特徵：專業排名第 3、2 段實習經驗。資料庫記錄：專業排名第 3、1 段實習。如何量化兩者匹配度？
常用方法
- 加權歐氏距離 / 曼哈頓距離：將類別特徵（排名、實習數）數值化，賦予權重計算距離，距離越小匹配度越高。
score = w1 * |rank_u - rank_d| + w2 * |intern_u - intern_d|
- 協同過濾：基於用戶-物品評分矩陣，找相似用戶/物品推薦。適合隱性反饋（點擊、收藏）。
- 聚類：K-Means、DBSCAN 將用戶/職位分群，同群視為高匹配。
- 內積 / 餘弦相似度：將特徵向量化（One-Hot + 數值），計算向量夾角。
工程落地建議
- 特徵工程：排名歸一化、實習數對數平滑、技能標籤 TF-IDF。
- 線上服務：預先計算向量，使用 Faiss/Annoy 做近似最近鄰檢索（ANN），毫秒級回應。
- 業務規則硬過濾：如地點、薪資門檻先過濾，再算相似度。
參考資源
- 《推薦系統實踐》項亮
- scikit-learn / TensorFlow Recommenders 實作範例
