CN104133821A - 利用稳定匹配理论和算法的用户匹配方法和网络系统 - Google Patents

Abstract

一种利用稳定匹配理论和算法的用户匹配方法和网络系统，一个更具体的形式是利用稳定匹配理论和算法的网络交友系统和网络交友系统的用户推荐方法。把用户对其他用户的偏爱程度的输入，编辑和数据展示，平滑的提供给用户，除了本身就对用户有价值外，还为稳定匹配理论和算法提供了基础数据。由此数据，应用稳定匹配理论和算法，计算出稳定匹配结果集，推荐给用户，并且通过数据的历史记录和展示，帮助用户得到其应得的理想对象，和在相应的时间，作出期待值与现实之间差距的判断与调整，以及在关键时刻作出决断而不是犹豫不决，落成剩男剩女。特别对于当代的许多剩男剩女，和一些不停的约会却总也无法确定稳定关系的男女，具有更大的意义。

Description

利用稳定匹配理论和算法的用户匹配方法和网络系统

技术领域

本发明是关于一种新的用户撮合或匹配方法和系统，更具体的说，是利用稳定匹配理论和算法，来为用户撮合或匹配网络系统的用户，提供附加的信息服务，其最具体的应用是网络交友系统。 

背景和相关技术

网络交友系统尽管已有很长的历史了，世界上的网络交友系统也很多，种类和变化也很多，但是，近二十年来，网络交友系统为网络交友用户（以下简称用户）所提供的基础信息服务，没有什么变化，基本局限于，搜索，发现和碰撞。

另一方面，由Gale和 Shapley所开创的稳定匹配理论和算法，取得了理论和实际应用的许多成果。其中的应用领域包括；美国全国医学院毕业生岗位匹配系统，择校系统，肾源交换系统，等等。在这些应用中，所主要着眼解决的问题有，公平性感觉问题，市场失效问题，匹配算法的抗作弊性（strategy proof)。稳定匹配问题的基本原型是，给定两个分离的集合，m的集合M, 和w的集合W，其中每个m或w均对对方群体中的对象有一个偏爱程度排序，求解一个匹配，它是一个由多个(m, w)构成的对的集合，对中的m和w被称为彼此匹配，要求是，每个m和每个w仅仅出现在一个对中，并且，对于该匹配，不存在一个阻挡对。所谓阻挡对，是指任意的一个m和一个w, 双方对彼此的偏爱程度，大于其对于按照该匹配所赋予其每方的当前匹配对象。Gale和 Shapley证明，采用推迟接受算法，可以解决上述问题。 

迄今为止，并没有看到稳定匹配理论在网络交友系统上的应用。本发明的作者，分析了网络交友过程中，用户面对的问题，认为稳定匹配理论在网络交友系统上的应用可以为用户提供独到的价值。 

本发明的作者注意到，决定交友结果的因素，并不仅仅看交友双方自身的匹配情况，其实有很大的成分在于双方所处的环境。举例来说，如果一方是漂亮的公主，另一方是个丑陋的穷乞丐，如果全世界仅剩这俩人，那么公主也必须屈尊俯就，另一极端，即便一方是当今王子，如果，公主旁边还有个银河帝国的年轻皇帝，那王子的胜算也不大。通常，人们说婚姻的成与否在于缘分，其实这是把这些环境因素简单马虎的归于偶然。 

本发明的一个目的，是让用户对交友过程中的看似偶然的，不可捉摸的因素，有一个定量的或者定性的把握。做到对交友环境的了然于胸。 

此外，当代存在着许多剩男剩女，本发明所提供的服务，帮助这类用户对交友环境了然于胸，从而能及时调整期待值和现实之间的距离，特别是，帮助他们/她们及时的捕捉机会，摆脱“剩“的处境。 

另外一类用户，尽管自身条件不错，也不乏条件不错的对象，但是，过于挑剔，或者过于犹豫不决，浪费了时间和机会。本发明试图通过提供独有的工具和服务，提供有说服力的数据，帮助他们在合适的时间，作出果断的决定。 

本发明的另一目的，是帮助用户对交友的过程有一个全面的整体的把握，充分的利用过去约会所获得的信息，而不是把这些费了用户时间精力和金钱所得来的宝贵信息，象狗熊拾棒子一样，拾一个，丢一个。用一句俗话说，回头草，如果好，也是要吃的。本发明，通过平滑的跟踪记录用户的交友过程，然后通过有意义的展示，帮助用户利用在整个交友过程中所获得的信息，从而更好的作出决定。本发明的作者认识到，男女交友行为是一种在环境约束下的交易双方都寻求最大交换价值的行为，是一种典型的市场行为。由于双方都寻求最大交换价值，其结果是唯有达成公平交易，才能为双方所认可。传统的交友网站，局限于帮助用户去寻找和发现价值对象，但是，对于如何达到公平性的问题，完全交给用户自己去解决。而网络交友通常不会一次约会就成功，需要在一个相当长的时期内，多次约会，才能最终确定发展关系的对象。在这个过程中，用户很容易犯忘记和各种其他错误，没有一个信息化的解决方案，单靠人的记忆和判断，是很难确保一个对自己公平的匹配的。稳定匹配理论和算法，是解决市场交易公平性的方法。但是，迄今为止，没有看到有人利用稳定匹配理论和算法来帮助网络交友用户在过程中的实现公平性，或者人们忽视了的网络交友中公平性的重要性，或者人们不知道如何把稳定匹配理论和算法利用来解决网络交友过程中的公平性问题。在利用稳定匹配理论向用户提供真正有价值的推荐的过程中，有一个重要问题，就是如何获得可靠的用户对对象的偏爱程度列表数据。按照本发明的一种独特实施方式，在交友过程中划了一条虚线，虚线之前是预筛选过程，之后是确定关系过程。在前一过程中，使用稳定匹配算法，为交友用户推荐约会对象，在后一个阶段，从用户已经约会过的用户中选择，使用稳定匹配算法，为交友用户提供一个确定关系的（婚姻或长期关系）对象。由此，解决了如何获得有意义的和相对真实可靠的用户对对象的偏爱程度数据的问题，同时，又提供了两种推荐功能。 

本发明还有一个目标，是提供一套用户友好的用户界面设计，使得对象偏爱程度数据，作为稳定对象匹配理论算法的基础数据，能够以最节省用户时间精力，用户感觉最平滑的方式被采集进系统，使得整个利用稳定匹配理论和算法的互联网用户匹配方法和系统，易于被用户接纳和采用。 

本发明还一个目的是通过帮助交友网站的用户解决这些存在而未被人们清楚的认识到的问题，为用户提供价值服务，获得用户的认可，从而让使用本发明的交友网站在网络交友系统市场上占有一席之地。 

尽管世界上有很多交友软件或网站，其历史也大概有二十年了，尽管稳定匹配的理论和算法也是相当著名，其历史更加长，尽管稳定匹配的理论在名字当中就意味着可以用于交友，但是，迄今为止，并未看到把稳定匹配理论和算法应用于交友软件或网站。这主要是因为人们对交友过程中存在的问题，缺乏细致的分析和清晰的认识。所有的交友软件都着眼于帮助用户相互发现和碰撞，本发明是第一个尝试分析交友中存在的一些特殊问题，把交友不仅仅是看作两个人之间的相互作用，还包括了两个人周围的大环境的影响，把交友当作一个过程进行整体的跟综和服务，并尝试用稳定匹配理论去解决用户在其中可能遇到的一些问题。一般人的看法是，确实，稳定匹配的理论可以为交友用户提供推荐，但是这种推荐又有多大意义呢？并且，为了实现这一推荐，需要用户的配合，花费一定的时间和精力，如果没有明显的意义，或者甚至为了实现这一功能的交互过程设计的不够流畅，用户都会不愿意使用，而且稳定匹配理论和算法也相当复杂，为什么要费力的去开发和提供这种无人愿意用的服务呢？ 

尽管网络交友系统是本发明的明显的应用领域，但本发明的模式也可以应用于和网络交友系统类似的其他 用户匹配网络系统，本发明不应局限于网络交友系统。

本段对稳定匹配理论和算法作简单介绍。自从Gale和 Shapley的工作以来，稳定匹配理论已经有了很多发展。简单概括如下，对于任何一个 w 的集合W和 m的集合M，以及每个w∈W 对m∈M的偏爱程度序列，和每个m∈M 对w∈W的偏爱程度序列，存在一系列的稳定匹配，其中包括W的最优惠稳定匹配，和M的最优惠稳定匹配，并且W的最优惠稳定匹配正好是M的最亏稳定匹配，反之亦然。其余的匹配对于相对的双方的优惠程度介于这两个匹配之间。一般称最原始的能够计算两个位于端点的匹配的算法为GS算法或者延迟接受算法，由此算法衍生，有一些能够遍历的给出所有的稳定匹配对或者所有的稳定匹配的算法，关于这些算法的具体内容，可以参看[1], [5], [6]。由此，衍生了根据更特殊的判据来选择某个特定匹配的各种不同匹配算法，比如，性别均等匹配( Sex Equal Stable Matching)，其判据是，对对象偏爱位置序号按照性别取和后，两性的和之间的差别最小，还有，性别无关匹配（Sex Egalitarian Stable Matching)，其判据是，所有个体的对象偏爱位置序号之和的最小化，还有，中位匹配( Generalized Median Stable Matching)，其依据是该匹配在从m最优惠匹配向w最优惠匹配过渡的一系列匹配中处于中间位置。还有其他匹配算法等等，不一一介绍。毫无疑问，后面的几种匹配相对于位于两个极端的匹配更为公平和易于为代表相对的两个集合中的人们接受。另外，由前面的介绍可见，对于任何一个男人(m)和女人(w)，如果不使用带有特殊判据的匹配算法，按稳定匹配理论，可能会为他们给出多于一个的稳定匹配对象。此外，由于实际应用中，每个用户的偏爱程度序列都是不完全的，并且男女人数也可以不等，所以，也会出现在匹配中没有任何匹配对象的个体。 

概要

按照本发明的实施方案，在用户匹配网络系统中，具体一点，在网络交友系统中，对其中多于一个的用户，比如全体用户，或者付费用户，维护一个列表，该列表记录了用户对其每个关注对象的偏爱程度，以下称此列表为对象偏爱程度列表或对象偏爱程度数据。此列表通常是一个数据库表，其记录单元包含对象的用户ID, 和用户对此对象的评分。记录偏爱程度的其他方式也是可行的，比如，记录相对排序位置，或者直接以对象所对应的单元在数组中的位置作为排序位置。

以所有或者部分（比如付费用户）前述用户的对象偏爱程度列表作为输入数据，应用某个稳定匹配理论的匹配算法，得出这些用户的稳定匹配对象。通常，这一步骤是定期的以批处理的方式进行的，每次得到结果后，把这些稳定匹配对象，作为给用户的推荐对象，更新用户的当前推荐对象。如果不追加附加的判据，稳定匹配理论的算法，通常产生多个结果集（注：一个匹配是由多个m-w构成的对的集合，所以，也称为匹配结果集，有时简称结果集。另一个词，匹配集，则是指多个匹配构成的集合，是更高一层次的集合）。这样，对每个用户可能会得到多个稳定匹配对象，这些稳定匹配对象，可以理解为用户可能的稳定匹配对象，其中包括对应于该用户的最优惠匹配对象和最亏匹配对象，以及介于这两者之间的一系列匹配对象。如果追加附加的判据，比如，可以选择性别均等匹配算法，或者性别无关匹配算法，或者中位匹配算法，等等，通常这类算法仅给出一个结果集，对应的，每个用户至多有一个匹配对象。本发明的一种实施是选择为用户提供全部的稳定匹配对象，该方案的好处是，给用户更多的选择。本发明的另一种实施方案是选择带有附加判据的稳定匹配算法，只产生一个结果集，此方案的好处是对用户更有说服力。前一类算法，相对而言，较适合于为用户提供约会对象推荐，后一类算法，较适合于为用户提供确定关系对象推荐。 

通过一个专门设计的用户界面，向用户展示和推荐该用户的这些稳定匹配对象，如果选择给出多个匹配结果集的算法，那么给用户的推荐对象也会是多个，可以按照一定的次序，比如按照用户对对象的偏爱程度，以列表的方式，对推荐对象加以展示。 

按照权利要求2-11所定义的步骤和特征，是使得用户的对象偏爱程度数据的采集更为平滑，所获得的数据能够更充分的为用户展示和服务，并且，即使不提供稳定匹配对象的推荐服务，这些特征也会被用户所喜爱。后文中将会对这些步骤和特征，作更详细的描述。 

  

按照本发明的一种具体的实施方案，系统保存用户推荐名单的历史记录，并提供推荐名单的历史记录的UI展示， 或/和，根据推荐名单历史记录, 所作的推荐对象的出现频次分析UI展示。这里所谓的UI展示，可以是简单的按时间排列的列表，也可以是按出现频次多少排列的列表，或者是频次分析图（直方图或饼图），等等。本方案为用户对交友环境提供历史概览的一个侧面，其中频次分析图，可以理解为用户的按照缘分大小的推荐对象谱。

  

按照本发明的一种具体的实施方案，保存推荐对象在用户的偏爱程度列表中的排名值的历史记录，所述的排名值可以是绝对名次或者相对名次，和/或推荐对象的评分值的历史记录。所谓相对名次是指名次在总的排名序列中的位置的某种比例表示。提供前述记录的UI展示，可以是简单的列表，或者折线图，或者直方图，按照时间排列。本方案为用户对交友环境提供历史概览的另一个侧面，更强调变化趋势和动态性，可以为用户作决断提供依据。

  

按照本发明的一种实施方案，选择带有附加判据的稳定匹配算法[5][6]，从而，一次稳定匹配算法的应用只给出一个结果集。同时，允许用户，通过UI界面，设置一个特殊开关（RedoIfDup）。系统每次更新用户的推荐对象时，针对第一次的结果集，进行检查，检查其中该选项开关设置为1的那些用户，如果有任何一个这样的用户，其在当前结果集中的对象曾在该用户的稳定匹配对象历史记录中出现过，就进行第二次计算(参看权利要求15)。一般而言，总会有部分用户出现稳定匹配对象重复出现的情况，所以，前述的检查，也可以省略，直接进行第二次计算。在第二次计算时，首先对该选项开关设置为1的那些用户，对其用户偏爱程度列表进行临时的改变，删除其中的部分或者全部曾在该用户的推荐对象历史中出现过的对象用户，比如删除最近出现过的推荐对象，或者删除曾在某个第一次（按本段中前述的“第一次“的意义）计算给出结果集中出现过的对象，等等，以这些被改变的临时列表加上未变的列表作为第二次计算的输入数据，再进行第二次用户稳定匹配对象计算。此方案的优点是，对于采用仅提供一个结果集的算法的系统，可以获得推荐名单的更多变化。也就是说，既有仅提供一个结果集的算法的说服力，同时，又增加了一定的变化。

  

按照本发明的一种实施方案，提供一个附加的功能。即接受用户（称为请求用户）指定某个特定的对象，这通常是通过UI界面来完成的，然后，系统针对该特定对象用户(称为被追求用户)，计算请求用户成为被追求用户的稳定匹配对象的距离，并以某种方式将结果呈现给请求用户。 这功能的目的是为了让用户在追求某个特定对象时，对自己当前的处境和处境的变化有一定的把握。所谓“距离“，是指请求用户成为被追求用户的稳定匹配对象，或者成为其最优惠稳定匹配对象用户，所要超过的，其具有的被追求用户的偏爱程度大于请求用户的那些用户。按照本发明的推荐，该“距离“，应当以一种形象，同时较为模糊，不过分揭示被追求用户隐私的方式来展示给请求用户。

  

按照本发明的一种实施方式，提供一个UI界面，让用户对其他用户标明其已经约会过。这些其他用户，通常是用户的关注对象，并且用户曾经为他们输入过偏爱程度数据。在此UI界面上，同时提供用户对这些对象的偏爱程度的修改编辑功能，以反映用户根据约会情况对此偏爱程度的修正。系统把用户的偏爱程度数据，根据用户是否已经和该对象约会过，把这些数据分成两套数据，并分别针对这两套数据应用稳定匹配算法，产生两个稳定匹配结果集，属于未曾约会过的那个结果集的数据，系统用于为用户提供约会对象推荐，属于曾经约会过的那个结果集的数据，系统用于为用户提供确定关系对象推荐。

发明内容

附图简要说明

所附的各图，是为了充分和简要说明的目的，对本发明的非穷举的几种实施加以图示，或者是对某个实施的差异部分加以图示，不能理解为对本发明的权利要求范围的限制。在附图或下文中遇到的标号或符号，除非特别说明，相同者一般代表相同或相似的含义或部件。

图1是硬件连接示意图，其中的服务器一般是多台，对每种设备，为简明起见，仅画了一个； 

图2是软件功能模块图；

图3是为了支撑一种本发明的实施方案的数据结构图，即实体-关系图；

图4 是用户的主要个人资料显示页面示意图，并且示意用户偏爱程度（评分）的显示和输入用户偏爱程度的上下文环境；

图5 是用户的联系人（包括关注或追求对象）列表页面示意图，其中联系人按照用户的评分显示；

图6 是对象偏爱程度的数据收集的一个实施示意图，是用户为某个其它用户，加关注和打分的对话框；

图7 是对象偏爱程度的数据收集的另一个实施示意图，是用户为某个其它用户，加关注和打分，同时向对方用户表达追求意向（秋波）的对话框；

图8 是对象偏爱程度的数据收集的又一个实施示意图，是用户响应其他用户的追求意向（秋波）的对话框； 

图9是确认取消秋波（即：对其他用户的追求意向的表白）的对话框的示意图；

图10是通过直接评分输入偏爱程度的基本组件示意图；

图11是通过排序位置输入偏爱程度的组件的示意图；

图12是输入偏爱程度的又一个组件，既可以直接输入评分，同时又显示对象用户在用户的偏爱程度列表中的排序位置；

图13 是用户主控制板页面；

图14 是以简单的时间-名单列表方式，所作的某个用户的推荐对象名单历史记录的UI展示；

图15 是某个用户的推荐对象的出现频次分析UI展示，以简单的直方图展示；

图16 是某个用户的每次获得推荐的对象在用户的偏爱程度列表中的排名值的历史记录展示，在总的关注人数的对比下，展示了排名的相对名次；

图17 是某个用户的每次获得推荐的对象的评分值的历史记录的UI展示，是以时间为x，评分值为y的简单折线图；

图18 是某个用户的每次获得推荐的对象的人数的历史记录的UI展示，是以时间为x，推荐对象人数为y的简单折线图。

图19 是用于标记用户已经和某个其他用户约会过，并可以同时修改对该其他用户的评分值的对话框。 

具体实施方式

用户匹配网络系统，最具体的例子有网络交友系统。对于网络交友系统，几个具体的例子有，世纪佳缘，百合网，以及Match.com等等。其基本的功能有，用户输入和编辑个人资料，照片，用户之间的相互搜索，用户之间的互动等等。 

在本发明中所提到的数据库，不一定专指关系数据库（英文: relational database），更合适的英文词是Data Store。并且，在本发明中有时候把数据库和数据库表两词混用，专业人员都能根据上下文明白含义。所提到的表，不一定专指关系数据库表，可以是任何一种提供数据存取功能的存储包，通常还具有按照某种索引快速访问的功能。 

在下文中，参照附图，并包括附图，为了充分和简明说明的目的，而不是限制本发明的权利要求范围的目的，对本发明的几种实施加以说明或示意，或者对某个实施方法的差异部分加以说明或示意，或者对本发明的某个特征部分的实施加以说明。但是，本领域的技术人员将会清楚，按照本发明的要点，可以对许多结构，特性和部件加以增删，替代，改变，组合等等，产生无穷多的实施方式，所以，无论是下面描述的方案，还是每个方案的细节，都不是对本发明的权利要求范围的限制或者穷举。另外，为了避免不必要的脱离本发明的主题，通常，属于环境系统的公共部分或者公知的结构和方法等，不做说明或仅仅作简单说明。在附图或下文中遇到的标号或符号，除非特别说明，相同者一般代表相同或相似的含义或部件。 

以下本公布一词不等同于本发明，本公布特指对本发明的实施方案的描述，这种描述是为了简便和方便本领域的技术人员理解本发明的主题的目的。 

以下参照附图，对本发明的实施细节加以说明，它们可能属于一种，或者被多种实施所共用，为简洁起见，不再每处都冠以“按照本发明的一种实施“等等繁琐格式。 

图1是本发明的设备部署和网络连接示意图。系统通常包含有多台协同工作的服务器110，用来向使用相应客户端120的各个用户提供用户匹配网络系统（包括：交友系统）的服务。稳定匹配算法服务器130通常是部署在一到多台独立的服务器上，也可以和110部署在同一台或者同一组服务器上。 

图２是本发明的一个整体系统的功能方框图。与本发明主题无关的部分，都囊括与250和290中。用户个人主页260，展示用户个人资料数据库210中的数据，以及该用户和当前浏览用户的交互状况（存储于用户关系数据库215中），该主页的一个示意图在图4 中给出。用户关系数据库215中包含有用户对其他用户的偏爱程度数据，以及用户和其他用户的交互状况。匹配结果数据库220保存稳定匹配算法给出的当前的结果集。匹配结果历史数据库230保存以往的稳定匹配算法给出的结果集。各不同数据库之间的逻辑关系图在图3 中说明。对于在应用稳定匹配算法过程中所需要的一些临时数据及其结构，因为算法的变化较大，内容过多，并且属于现有技术，此外，本领域的技术人员，根据这些算法的要求和本系统所描述的这些数据结构，应当能够独立的设计出转换过程中所需要的程序和数据结构，不再示出。联系人列表270，显示与当前用户有过交互的所有或部分联系人，包括当前用户的关注或追求对象。所显示的数据中包括对对象的偏爱程度。联系人列表270可以以各种不同的排序方式展示，包括按照用户对对象的偏爱程度，其示意图见图５。推荐对象的展示模块275，包括对用户的当前推荐对象的展示，和对用户的历史推荐数据的展示，是分散在一些不同的模块中的，比如，在用户主控制板页面(图13），还有图14至图18所示意的一些模块中的。偏爱程度输入与编辑组件280，其各种不同的变形的示意图，由图6-图12示意。稳定匹配理论的各种不同匹配算法285，在最后部分参考文献中可以找到，特别是[1]，[5]，[6]。 

图3是用户匹配网络系统和本发明主要相关的实体-关系图。这是一个示意图，它省略了一些和本发明的主题关系不大的，或者本领域内专业人员可以简单导出的属性和结构。图中所画的连接线，通常被理解为外键关系，这里代表一种逻辑联系。以下对其中的各个实体进行分别描述： 

Users代表系统的一般用户。其中RedoIfDup正是前面概要部分所提到的特殊开关。

UsersContacts，存储用户的所有联系人，即和用户有过交互的某个其他用户(TargetUserID)和用户的交互状况。在这个表对UserID和TargetUserID基本上是镜像对称的。TargetScore代表用户(UserID)对此其他用户(TargetUserID)的偏爱程度。很明显，这只是偏爱程度的多种数据表示之一, 其他的方式，包括，存储排序位置，或者把单个对象的数据序列化成为一个包，然后把包或者包的指针（或ID)放在一个数组中，以对象在该数组中的位置作为偏爱程度。U2TFlags存储了用户对此其他用户的一些标志位，比如，“关注位“，表明是否关注TargetUserID用户，“曾经约会过位“标明用户是否已经和该其它用户约会过，更进一步，“秋波位“，表明是否已经表达过对TargetUserID用户追求意向。而T2UFlags则是TargetUserID用户对UserID用户的标志位，特别要提到其中一个标志位，“新秋波位“，代表TargetUserID用户对UserID用户的秋波是否是新的，未经UserID用户处理过的。在后面的图8的解释中将会更详细的解释此标志位的作用。 

Match_Items存储稳定匹配算法给出的当前的结果集，通常系统会定期进行批处理，每次完成后会更新该数据库表，但是，在更新之前，通常会由其他的过程把当前的结果集转存到历史数据库中(UserMatchLog)。值得注意的是，这个表适合于稳定匹配算法仅产生一个匹配结果集的情况。此外，标志位MatchAttributes记录这个匹配的属性，比如表示这是属于第一次计算结果集还是第二次计算的结果集，或者代表这是针对未曾约会过的对象计算的结果集还是已经约会过的对象的结果集。如果不能保证该表的主键的唯一性，可以根据情况按此表的结构再建一或多个结构相同而名字不同的表，用于存储其他的结果集。PreferenceSeq代表UserID用户对TargetUserID用户的偏爱程度，在其偏爱程度序列中的位置，PrefSeqInPercent代表PreferenceSeq和UserID用户的总的关注的用户数（或者有评分的用户数）的一个比值。 

MatchSets 和Matches_Items用来支撑选择产生多个匹配结果集的算法的方案。一个MatchSet表示应用一次稳定匹配算法的所产生的所有稳定匹配的集合，以MatchSetID作为主键，其下包含了多个稳定匹配，但是，在本发明中，我们通常不关心某个匹配对，即(UserID, MachtedUserID)所组成的对，是属于哪个稳定匹配，所以，本公布省略了位于中间一级的对象所对应的数据库表Matches。在Matches_Items表中，在一个MatchSetID下，对应于一个用户UserID，可以有多个稳定匹配对象，由多个MachtedUserID值表示。MatchAttributes 记录一个匹配对的属性，比如，该匹配是否是性别均等匹配等等。MatchSetAttributes记录一个匹配集的属性，比如这是针对未曾约会过的对象计算的匹配集还是已经约会过的对象的匹配集，等等。 

通常，本发明的一个实施会选择采用MatchSets和Matches_Items，或Match_Items的二者之一。本领域的专业人员可以看出，针对不同实施，或者为了达到某个优化某目的，可以对数据库结构进行种种改变，不在此一一描述。 

UserMatchLog是稳定匹配对象的历史记录表。其数据来自Match_Items，或Matches_Items，其目的是方便的产生用户的推荐对象的历史展示。 

图4 是用户的主要个人资料页面。其中显示了当前浏览用户和页面主人用户之间的交互状况。文字410 “我关注她“，表示当前用户对页面主人感兴趣，但并没有向页面主人用户表达过追求之意(没有送过秋波，或者被取消了)。按照一种本发明的实施方案，送秋波是相对于关注更为高一层的关注，如果某用户向另一用户送秋波，则系统自动让前一用户加关注于后一用户。所以，如果当前用户也象页面主人送过秋波，可以在410处仅仅显示，“我向她送过秋波“，不用显示“我关注她”；对于从页面主人向浏览用户方向，也有同样的处理。点击410，可以弹出一个简单的对话框显示该动作发生的时间，如果是秋波，还显示在送秋波时，浏览用户向页面主人传送的一句赞美话。410右侧的删除图标，点击后会弹出确认对话框，如果确认，将会删除用户对页面主人的关注。在数据库层面，会更新UsersContacts，在UsersContacts.U2TFlags中清除代表关注的标志位 (注意，UserID端和TargetUserID端的数据记录都要更新）。按照本发明的推荐，同时，会将TargetScore设置为0 或者Null。"我给她的评分"420，代表浏览用户对页面主人的偏爱程度。点击420以及“备注“430 旁边的笔形图标，可以对这些值进行编辑。440的意义和410的意义类似，所不同的是，动作的方向是由TargetUserID用户向当前用户，并且，如果UsersContacts.T2UFlags中代表秋波为新的标志位如果是1的话，会在显示上加以区别，比如像“新“445这样的文字，或者通过格式、色彩、闪烁的变化。此外，当用户点击440或445时，会弹出图8 所示的对话框，而不是仅仅显示动作发生时间的对话框，以方便或者促使用户对其他用户的主动行为作出反应。按钮450将弹出图6 所示的对话框，如果已经关注过的话，弹出的对话框将对现有数据进行编辑。按钮460将弹出图7 所示的对话框，如果已经送过秋波的话，可以把460的状态设置为无效(disabled)，或者改为取消秋波。按钮470将弹出图19所示的对话框，如果用户把某个其他用户标记为已经约会过，则在本图中就会出现提示465。 

图5是联系人列表页面的示意图。此列表的数据来自UsersContacts。其中的各个元素的含义都非常的自明。需要说明的是，如何把拖拽操作和分页操作结合起来。在图5中有个小图标510，用来指示当前被拖住的用户。当鼠标在图中某个用户的名字的左侧移动时，该图标显现（平时为隐藏），此时，用户可以通过拖拽此图标来实现脱拽功能，如果把图标510拖拽到分页按钮上，系统即自动的跳转到相应的分页上去，然后，如果用户把此图标放到列表中的某个位置上，即完成了这个拖拽操作，系统根据新的位置，自动的调整被拖拽的用户的偏爱程度排序位置或者评分。很明显，这里描述的托拽可以有各种变化形式。 

顺带的说明如何处理用户偏爱程度列表中存在平分的情况。根据目前的稳定匹配算法理论的研究，偏爱程度列表中存在平分的状况，会给算法的实施和复杂度带来不利的影响，为了避免这一点，在具体的实施中，可以用某种任选的方法来打破平分。很明显，如果偏爱程度是用列表中的位置表示的，不会出现平分。如果是用评分值表示的，会出现平分。一种简单的打破平分的办法，是，在平分时，再比较两个涉及到的用户的UserID。另外，前面一段提到，在拖拽完成时，系统自动调整被拖用户的评分，这时候，可以把该平分调整为相邻的上下两个用户的分数的平均值，如此，可以在输入评分时，从源头控制平分的出现。 

图6 是用户关注或者为其他用户评分的对话框。 

图7 是用户向其他用户主动发送秋波的对话框。在用户选择关注其他用户时，不一定非要求用户输入对该其他用户的偏爱程度，但是在用户向其他用户主动发送秋波时，可以通过输入验证控件(Input Validator)强制用户输入对该其他用户的偏爱程度。这是“送秋波“和“关注“的不同之处。 

图8 是用户响应其他用户发送的尚未被处理的秋波时，弹出的对话框。此时，用户可以有4种选择，1. 以后再说，那么，该秋波将继续保持未被处理的状态。2. 忽略，表示用户已经查看过该主动用户的资料，并且对他/她不感兴趣，此后该秋波将会变成已经被处理过的状态。3. 关注，仅仅是关注，可以输入一个评分和备注。4. 回复一秋波。按照图示的实施方式(仅仅是多种实施方式之一), 下拉式选择控件810可以在用户选择了“回一秋波“后才被使能。在输入验证方面，可以参考图7中的说明。 

图9 是取消秋波的对话框。按前述，“秋波“被当作是两用户之间，相对于“关注“更进一步的关系，所以，当用户取消秋波时，可以让其选择“同时取消关注“，其结果是，该目标用户将不再出现在当前用户的（在UI上的）关注对象中，和偏爱程度列表（数据中）中，即被当作是相互无关的用户，不会再出现在根据稳定匹配算法计算的推荐对象中。 

对于图6-图9中用户的输入，与数据方面的对应，可以参看对图4的说明，以及对UsersContacts表的说明。 

图10-图12是几种输入用户偏爱程度的组件。这类组件，可以用于任何需要输入用户偏爱程度的UI上，比如，图5-图8中的所涉及的输入用户偏爱程度的部分。按照本发明的推荐，图11和图12中的组件，应当有拖拽功能，与图５中联系人列表类似。 

图13 示意如何在用户主控页面上，展示和推荐，通过稳定匹配算法计算的用户的当前的稳定匹配对象。其中的名字，“张莉莉“，“王媛媛“，都是超联接，指向相应用户名的主要个人资料页面。其中的数据，按照实施方式的选择的不同，可以是来自Match_Items，或者来自Matches_Items，对于前者，一般每个用户只有一个当前推荐对象，至多两个，对于后者，可能会存在多个推荐对象。此功能是本发明区别于其他用户匹配网络系统的主要特征之一。图标1310，可以用于，当一次稳定匹配计算给出多个结果集时，导向专门显示其包含的多个推荐对象的列表页面。 

图14 是用户的推荐对象的历史列表，这个列表可以以一个专门的网页上独立的显示，也可以和其他的显示稳定匹配对象历史记录或分析的组件，以某种方式组合在一个网页上。其中的数据来自UserMatchLog。 

图15 是某个用户的推荐对象的出现频次分析，以简单的直方图展示，也可以用饼图展示。这个图，可以被用户用来寻找最有缘分的对象。其中的数据来自UserMatchLog。此功能是本发明区别于其他交友网站的主要特征之一。 

图16 是某个用户的每次获得推荐的对象在用户的偏爱程度列表中的相对排名值的历史记录展示，其定义是：(总关注人数 - 推荐对象的偏爱程度排序位置 +1) /总关注人数，如果推荐对象的偏爱程度排序位置为1，则其值为1，如果是最后一名，则其值为 （1/总关注人数），如果没有推荐对象，则其值为0。在同一张图中，还可以显示总的关注人数，以便用户对比。此外，也可以选择直接显示推荐对象的偏爱程度排序位置，而不是该导出值。对于产生多个稳定匹配结果集的算法，可以选择显示来自最优惠稳定匹配对象结果集与最亏稳定匹配对象结果集的两条曲线，实际上就是在同一批次的处理结果中，选择偏爱程度排序位置最好的一个和最坏的一个。其中的数据来自UserMatchLog。此功能是本发明区别于其他交友网站的主要特征之一。 

图17 是某个用户的每次获得推荐的对象的评分值的历史记录的UI展示，是以时间为x，评分值为y的曲线图(可用折线图，或直方图）。其中，如果某次没有推荐对象，则曲线落回到x-轴上。对于产生多个稳定匹配结果集的算法，可以选择显示来自最优惠稳定匹配对象结果集与最亏稳定匹配对象结果集的两条曲线，实际上就是在同一批次的处理结果中，选择分值最好的一个和最坏的一个。其中的数据来自UserMatchLog。此功能是本发明区别于其他交友网站的主要特征之一。 

图18 是某个用户的每次获得推荐的对象的人数的历史记录的UI展示，是以时间为x，推荐对象人数为y的曲线图(可用折线图，或直方图）。对于只产生一个稳定匹配结果集的算法，其值域为0或者1，对于产生多个稳定匹配结果集的算法，其值域包括0，1，还可以更大。其中的数据来自UserMatchLog。此功能是本发明区别于其他交友网站的主要特征之一。 

图19是用于标记用户已经和某个其他用户约会过，并同时修改对该其他用户的评分的对话框。通常，该其他用户是该用户的关注对象，并且该用户已经给该其他用户评过分。在用户和该其他用户约会之前的评分值，完全依赖于在线的信息，通常是不可靠的，这样的分数，可以用于计算该用户的约会对象推荐。在该用户和该其他用户约会之后，通常会对之前的评价做出修订，提供此功能以便把修订后的更可靠的评价采集进系统，同时，把该用户标记为已经约会过。这样，系统在进行稳定匹配计算时，根据用户之间是否已经约会过，分别的进行计算，把用户和他/她的未曾约会过的对象偏爱程度数据，合为一套数据，用于计算用户的约会对象推荐，把用户和他/她的曾经约会过的对象偏爱程度数据，合为另一套数据，用于计算用户的确定关系（settle-down）对象推荐。对于约会对象的推荐的计算，本发明推荐采用给出多个结果集的稳定匹配算法，对于“确定关系对象“的推荐的计算，本发明推荐采用给出单个结果集的稳定匹配算法，比如：性别均等匹配算法，等等。需要说明的是，如果某一对用户中，只有一方把他们之间的关系标记为已经约会过，而另一方没有，则在划分该关系是参与约会对象推荐计算或确定关系对象推荐计算时，以作了标记的一方数据为准。 

按照一般的推测，每个交友用户从注册，到搜索发现，到最后确定一个关系对象，一般需要若干次约会。用户从搜索和发现对象用户起，就可以为这些对象用户打分，这可以帮助他/她确定优先约会对象，因此，本发明的按照评分值排序的联系人列表可以为用户提供便利。每次完成一个约会，或者一次信函的交流，用户都可以对评分进行更新，按本发明的设计，可以让修改和查看评分的过程更加平滑和便利。在这个过程中，系统获得了重要的数据，可以用来作为稳定匹配算法的输入数据，然后，产生图13中所示的推荐用户列表，并产生图14-图18这样的图，帮助用户选择和决策。如果，在图16-图18中，经常出现用户没有获得任何推荐对象的状况，用户就知道，是该进行调整的时候了，或者更改期待值，或者给更多的用户打分并向他们发送秋波，或者改变自己，如果没有这些图提供的信息，用户很可能不知就里，盲目的坚持错误的定位。另外一种情况是，在图16-图18中，出现了曲线连续在高位推进后，开始下滑时，那么，这是一个明显的信号，告诉用户，他/她已经达到环境所允许达到的高点了，这是该考虑确定最终目标，完成交友之旅，进入下一阶段的时候了。这时候，图15可以帮助用户定位最有缘分的对象，图17可以帮助他/她回溯那个评分最好的稳定匹配对象。. 

根据前面的描述，我们知道，根据本发明的不同的实施选择，一次稳定匹配计算所给的结果集可能是，一个，二个（权利要求15）,或多个(权利要求12b）。对于包含多于一个结果集的情况，在将结果集展示给用户时（比如，在图１6，图17中），为了使呈现对用户显得更简明和有意义，可以给结果集以不同的名字。比如，针对二个（权利要求15）结果集的情况，可以称为第一和第二，或者主推荐对象／付推荐对象，对多个(权利要求12b）结果集的情况，一般而言，其中包括最优惠匹配结果集和最亏匹配结果集，最亏匹配可以改称为最有把握的匹配对象。

关于附加的功能（权利要求16）的实施。接受用户（称为请求用户）指定某个特定的对象，这通常是通过UI界面来完成的，其上下文环境可以是图4或者图5中的页面。 然后，系统针对该特定对象用户(称为被追求用户)，计算请求用户成为被追求用户的稳定匹配对象的距离，并以某种方式将结果呈现给请求用户。所谓“距离“，是指请求用户成为被追求用户的稳定匹配对象，或者成为其最优惠稳定匹配对象用户，所要超过的，其具有的被追求用户的偏爱程度大于请求用户的那些用户。其具体的方法是，对被追求用户，创建一个临时的偏爱对象列表，其原始数据为该用户的原始偏爱对象列表，其他所有用户的偏爱对象数据不变，以此为输入数据，计算被追求用户的所有稳定匹配对象，然后，将这些匹配对象从临时的偏爱对象列表中删除，再重新进行计算，直到请求用户被包括进被追求用户的稳定匹配对象结果中，在这个过程中，所需要删除的那些被追求用户的在偏爱程度列表中排序在请求用户之前所有用户的数量，就是此“距离“。按照本发明的推荐实施方法，该“距离“，应当以一种形象，同时较为模糊，不过分揭示被追求用户隐私的方式来展示给请求用户。比如，当被追求用户根本没有关注请求用户或给请求用户打分时，距离显示为“在雷达探测范围之外“，当距离大于50　时，显示在不同的城市中，大于10时，显示在不同的街区中，在1-10时，显示在同一个街区中。当处于稳定匹配对象结果中时，如果位于下半区（指更接近被追用户的最亏结果集），显示他／她是你仰慕的邻家男／女孩，如果是在上半区，则显示你是他／她仰慕的邻家男／女孩，如果是最优惠匹配对象，则显示为你是他／她的首选推荐。 

可以预计，权利要求16所述的附加功能会是昂贵的功能，所以，可以作为一项付费功能提供给用户，为了增加吸引力，可以提供一些附加的好处，比如，当用户付费购买此项服务时，提供用户向被追求对象赠献某种虚拟的玫瑰或者钻石礼物给被追求用户，该虚拟的玫瑰或者钻石礼物可以被被追求用户用于炫耀。 

除了权利要求16所述的附加功能可以以付费功能的方式提供外，本发明的其他功能也可以以付费功能的方式提供。 

本发明的许多从属权利要求中，许多是相互独立又相互兼容的，本领域的技术人员容易看到这些从属权利要求的组合也会是不错的方案。 

  

引用文献

1. Gale David and Lloyd Shapley, "College Admissions and the Stability of Marriage", American Mathematical Monthly, 69, 9-15. 1962

2. Alvin E. Roth. "The economics of matching: stability and incentives", Mathematics of Operations Research, 7:617¨C628, 1982

3. Alvin E. Roth and Elliott Peranson. "The redesign of the matching market for american physicians: Some engineering aspects of economic design". American Economic Review, 89:748¨C780, 1999.

4. Christine. Cheng, "The generalized median stable matchings: finding them is not that easy". In Proceedings of the 8th Latin Theoretical Informatics Conference, pages 568–579, 2008.

5. D. Gusfield. "Three fast algorithms for four problems in stable marriage". SIAM Journal on Computing, 16:111¨C128, 1987

6. R.W. Irving, P. Leather, and D. Gusfield. "An efficient algorithm for the optimal stable marriage". Journal of the ACM, 34(3):532¨C543, 1987.

7. Hiroki Yanagisawa, "Approximation Algorithms for Stable Marriage Problems", Ph.D Thesis, Kyoto University, Japan, 2007

8. Yosef Blum, Alvin E. Roth, and Uriel G. Rothblum. "Vacancy chains and equilibration n senior-level labor     markets". J. Econom. Theory, 76(2):362¨C411, 1997

Claims (18)

1.一种在用户匹配网站上进行对象推荐的方法，有以下步骤和特征：

对其中多于一个的用户，维护一个列表，该列表起码记录了用户对其每个关注对象的偏爱程度，以下称此列表为对象偏爱程度列表或对象偏爱程度数据；

以所有或者部分前述用户的对象偏爱程度列表作为输入数据，应用稳定匹配理论的匹配算法，得出这些用户的稳定匹配对象；

向用户推荐该用户的这些稳定匹配对象，这是通过一个用户界面来进行的。

2.按权利要求1所述的方法，还有以下步骤和特征：

接受一个用户对某个其他用户（对象）的输入偏爱程度的请求，这是通过一个UI界面进行；

作为一个可选特征，对上一步骤，允许用户选择对该对象的对待方式，此对待方式从包括下面的选项集合中择一：a). 仅仅是关注, b). 让系统向对象传达追求的意向；

系统根据前述步骤中的输入，更新用户的偏爱程度数据。

3.按权利要求2所述的方法，还有以下步骤和特征：

在输入偏爱程度的过程中，允许用户指定一个评分值，此评分值是偏爱程度的衡量。

4.按权利要求2所述的方法，还有以下步骤和特征：

在输入偏爱程度的过程中，允许用户指定对象用户在偏爱程度列表中的位置，此位置是偏爱程度的衡量。

5.按权利要求2所述的方法，还有以下步骤和特征：

输入偏爱程度是通过一个UI界面进行的，此界面上包含一个评分值的输入框，还包括一个列表显示从该用户（即：正在输入数据的用户）的对象列表中获取的评分在当前输入的评分之上和之下的若干名其他对象，以及当前对象用户在偏爱程度列表中的位置。

6.按权利要求2所述的方法，还有以下步骤和特征：

在对象用户的主要的个人资料页面上，包含用于触发输入偏爱程度的行动的UI元素。

7.按权利要求2所述的方法，还有以下步骤和特征：

向当前用户展示该用户对其他用户的偏爱程度和对待方式；

提供当前用户对其他用户的偏爱程度和对待方式进行编辑的功能;

系统根据前面步骤中当前用户的输入，更新用户的偏爱程度数据。

8.按权利要求2所述的方法，还提供用户（当前用户）响应其他用户（主动用户）的追求意向的方法，包括以下步骤和特征：

展示其他用户对当前用户作出的，按照权利要求2所描述的行动；

接受当前用户对前一步骤中所述的某个行动做出的反馈，这可以通过一个UI界面进行，在其中，提供当前用户指定对该主动用户的偏爱程度的功能;

作为一个可选项，在前一步骤中，让当前用户从一个选项集合中作出择一的选择，这个选项集合起码包括下列项目的两个：a). 仅仅是关注该主动用户, b). 让系统向该主动用户传达追求的意向，c). 忽略这个追求意向,  d). 以后再处理；

作为一个可选项，对当前用户已经查看并选择忽略的其他用户的表达追求意向的行动，相对于其他的那些，不再展示，或者以不同的方式展示；

系统根据前面步骤中当前用户的输入，更新用户的偏爱程度数据。

9.按权利要求1所述的方法，还有以下步骤和特征：

为用户提供一个联系人（对象）列表，该列表的排序方式之一是按照用户对对象的偏爱程度。

10.按权利要求9所述的方法，还有以下步骤和特征：

用户可以在前述列表上通过某种操作，比如拖拽操作，对排序进行编辑；

作为一个可选项，对排序是按照对象评分进行的情况，根据前一步骤的行动结果，自动的调整对象评分；

系统根据前面步骤中当前用户的输入，更新用户的偏爱程度数据。

11.按权利要求9所述的方法，还有以下步骤和特征：

用户可以选择前述列表中的某个对象，直接编辑其评分值；

系统根据前一步骤中当前用户的输入，更新用户的偏爱程度数据。

12.按权利要求1所述的方法，还有以下步骤和特征：

对于稳定匹配理论的给出多个稳定匹配结果集的问题，采用下面两个选项中的一个：a). 选择只产生一个匹配结果集的特殊稳定匹配算法，计算和保存，应用此稳定匹配算法于前述用户偏爱程度数据所产生的匹配结果集；b). 计算，保存不限于一个的匹配结果集，并在向用户展示稳定匹配对象用户（即：推荐对象）时，使用这些结果集数据。

13.按权利要求1所述的方法，还有以下步骤和特征：

保存推荐名单的历史记录;

起码以下两个可选的功能之一：a).推荐名单的历史记录的UI展示,  b). 根据推荐名单历史记录, 所作的推荐对象的出现频次分析UI展示。

14.按权利要求1所述的方法，还有以下步骤和特征：

保存推荐对象在用户的偏爱程度列表中的排名值的历史记录，所述的排名值可以是绝对名次或者相对名次，和/或推荐对象的评分值的历史记录；

前述记录的UI展示。

15.按权利要求12(a)所述的方法，还有以下步骤和特征：

系统每次更新计算用户的稳定匹配对象时，在第一计算完成后，可以进行第二次计算，在第二次计算时，对输入的待计算稳定匹配结果的用户集合的全体或者部分用户的对象偏爱程度数据列表进行改变，它是由原始对象偏爱程度数据列表删除曾经在该用户的稳定匹配对象历史记录中出现过的全部或部分对象，其余（如果有）的对象偏爱程度数据列表不变，以前述的这些临时列表加上未变的列表作为第二次计算的输入数据，再进行第二次用户稳定匹配对象计算；

对于因前面步骤而导致某个用户有两个稳定匹配对象的情况，两个对象均向用户推荐和展示；

选择下列选项之一，a). 系统保存可能的所有两个推荐对象到用户的匹配对象历史记录中，并用于匹配对象的历史记录展示和频次分析;  b). 系统仅保存可能的两个的推荐对象其中之一到用户的匹配对象历史记录中，并用于匹配对象的历史记录展示和频次分析。

16.按权利要求1所述的方法，还有以下步骤和特征：

接受用户（称为请求用户）指定某个特定的对象；

系统针对该特定对象用户，计算请求用户成为该对象用户的稳定匹配对象的距离；

将计算结果呈现给请求用户。

17.按权利要求1所述的方法，还有以下步骤和特征：

提供一个UI界面，让用户标明其感兴趣的对象中，某些对象是曾经约会过的；

记录上述于用户的偏爱程度数据中；

在应用稳定匹配算法为用户计算匹配对象时，把用户的对象用户分为两类，第一类是未曾约会过的，第二类是曾经约会过的，分别的对两类对象所对应的偏爱程度列表构成的两套数据采用稳定匹配算法，产生两个稳定匹配；

把针对第一类数据得到的稳定匹配结果集合中的用户，用于为用户提供约会对象推荐，把针对第二类数据得到的稳定匹配结果集合中的用户，用于为用户提供发展恋爱关系对象推荐。

18.一种用户匹配网络系统，还有以下组件或方法：

一个全体或者部分用户的所感兴趣对象的数据库，其记录单元中起码包含对象的用户ID或指针，以及以某种方式来表示的对对象的偏爱程度（比如：评分值，或者对象的排序名次，或者记录单元在数据集中的相对位置等等），对此数据库，还推荐一个按偏爱程度的索引；

让用户交互的产生和改变前述数据库中的数据的组件；

根据前述的对象偏爱程度数据，应用稳定匹配理论的匹配算法，得出前述数据库所涉及的用户集合的稳定匹配对象集的组件；

把前述的稳定匹配对象集保存到数据库中的组件以及相应的数据库；

向用户推荐稳定匹配对象集合中该用户的相对应的对象的用户界面。