类似于好友推荐有没有比较好的实现方案推荐？

你是说算法，还是机器推荐技术？

如果将来有幸成为你的用户，我只想问一个问题：我什么要告诉你那么多个人信息？或者说为何要告诉你那么多真实信息，甚至给你开放相应权限？

用个人信息来做推荐妥妥会遇到#2 的问题

建议用爱好和倾向来做。
相同的一篇文章，你和他都喜欢，那么你和他就有可能有共同语言

可以看看推荐系统，先了解下大家都是咋做的。
你说的这个太基础太浅了，都还到不了需要讨论的阶段，还是先以学习为主。

@GeekGao 如果不用算法，有什么其它方案可选啊？ 比如有没有某种数据库可以实现类似的对比、加权、排序需求。

@LitterGopher 性别、年龄、生日、包括地理位置都是用户自己可选的， 用户不选我就过滤掉这一项就好了， 还有，app 的正常用户的主要目的是来交友的，而不是抬杠。

@fnd 在看大家怎么做的，也想在社区问问，扩展一下思路

@SoviaPhilo 这是另外一个维度，也就是关联推荐，跟我们现在做的并不冲突。

读用户的通讯录啊，手机号在对方通讯录的就给他推荐，再把好友的通讯录里的好友也给他推荐

@sss15 陌生人社交不是熟人社交，这个是熟人社交的做法

不如指导用户如何把 头像 做好看点

你这个底层应该是产品需求来定义吧，比如你们的产品形态是什么样的，要以什么为交友的核心点？兴趣，还是地域，还是别的什么
但是我觉得，profile 资料只能做一个兜底，主要还是以用户自己编辑的 tag 和发过的、浏览过的动态来作为推荐算法的入参

再简单也绕不开算法，你说的向量+权重也是算法。

@piecezzz 必须要用算法模型去实现吗？

@coderxy 推荐的核心不就是算法模型吗，没有算法模型推荐啥，随机用户吗

3 楼的方法啊，就是根据历史浏览，购买行为的协同算法，最简单，最容易，最有效了。

比如买过 a 的人也会买 b 。

每天统计一下，浏览的时候直接查询结果表就行。

其他算法类似楼上的做法，无非就是缓存结果，用的场景直接查询。

@coderxy #6 不是抬杠，而是如果这些信息缺失，剩下的条件是按照原有权重不变？等比上升？依据具体情况变化？如果允许为空或者模糊（提供“不告诉”选项，和允许用户不填写留空），那么空和模糊是否相等着是否也是需要考量的问题呢？

核心还是定义推荐规则：比如你认为地理位置相近的、同时年龄在同一档 且 星座相同的用户，可以相互推荐，那这就是搜索问题，使用 geo 函数计算地理位置关系、给年龄分档（幼、青、中、老）、星座匹配，只要同时命中 3 个条件的，按预定的权重来计算评分，然后排序取前 10%，每次随机从中取 10 个人推荐，还可以实现“换一批”功能是不是。

核心还是基于你们的产品设计，至于是用知识图谱去发现和推荐，还是按一般的 item-base 、user-base ，计算一下“相似度”，排序推荐，又或者向上面用 MySQL 的二维表对你列出这些维度的“排序”来决定推荐次序，都可以做得到。