ZERO-TO-ONE-프로젝트

1. 서론 및 매칭 알고리즘 구조서론현대의 온라인 플랫폼 및 서비스에서는 사용자의 다양성과 특성을 고려한 정밀한 매칭이 필수적이다. 기존의 매칭 알고리즘은 전체 후보자 집합에서 모든 쌍을 비교하는 방식(브루트포스)을 사용하여 높은 정확도를 보장하지만, 후보자 수가 많아질 경우 연산 비용이 기하급수적으로 증가하는 단점이 있다. 이에 따라, 효율성과 확장성을 동시에 달성할 수 있는 새로운 매칭 알고리즘이 필요하다.본 알고리즘은 후보자들의 평점, 스터디 분야, 선호 시간대를 8:1:1의 가중치로 반영하여 K-means 클러스터링을 통해 유사한 후보자들을 그룹화한다. 이를 통해 전체 후보자 집합을 소규모 클러스터로 나누어 연산량을 크게 줄인다. 각 클러스터 내에서는 인접한 이웃 후보자들 중 최대 5명을 대상으로..

확률 & 유사도 기반 1:1 매칭 엔진매칭 시스템은 단순히 “조건이 일치하면 매칭”하는 정적인 방식을 넘어,연속적 유사도 점수를 통해 후보 간 차이를 세밀하게 반영하는 확률 기반 매칭 알고리즘을 도입하려고 한다.평점, 스터디 분야, 선호시간대 등 다양한 조건을 동시에 고려하며,누적분포(CPD)와 가중치 기반 랜덤 선택(Weighted Random Selection)을 활용하여 자동매칭을 수행한다.1. 매칭 알고리즘의 핵심 개념📌1.1 평점 유사도와 α의 영향평점 유사도는 요청자와 후보자의 평점 차이에 따라 계산된다.아래와 같은 지수 함수로 표현한다.$$S_{rating}​=e^{−α⋅∣rating_{req}​−rating_{cand}​∣}$$여기서 α값은 평점 차이에 대한 민감도를 조절한다.α가 높으면..