A primeira coisa que você precisa definir é a forma como representará a compatibilidade entre dois indivíduos A e B. Você mesmo menciona o termo "porcentagem" na sua pergunta, então acho que o mais apropriado para você seja utilizar valores entre 0 e 1 de forma que 0 represente nenhuma compatibilidade e 1 represente compatibilidade total. Valores entre esses limites definiriam o grau de compatibilidade.
A forma mais simples de se obter essa compatibilidade é calcular uma "distância" (ou similaridade) entre os indivíduos por meio de suas características. Imaginando que dois indivíduos A e B completamente iguais em termos de suas características seriam totalmente compatíveis, o resultado esperado seria 1. Essa abstração pode ser feita para cada característica individualmente. Por exemplo, considere inicialmente a idade.
Ao assumir-se que dois indivíduos completamente compatíveis teriam a mesma idade (e esse é um ponto bastante discutível - mais detalhes posteriormente), uma medição possível seria a seguinte:
A variável DIF_MAX
contém a diferença máxima entre a maior e a menor idade disponível na sua base de dados (que pode ser um valor previamente calculado conforme a base de dados é atualizada) e serve para normalizar (isto é, manter o resultado entre 0 e 1) a diferença absoluta entre as idades dos indivíduos A e B (respectivamente as variáveis idadeA
e idadeB
). A similaridade resultante é igual a 1 - diferença absoluta
, e faz com que dessa forma indivíduos com exatamente a mesma idade tenham similaridade TOTAL, ou seja, igual a 1 (já que 1 - (0 / DIF_MAX) = 1 - 0 = 1
) e indivíduos com a máxima diferença entre idades tenham similaridade NULA, ou seja, igual a 0 (já que 1 - (DIF_MAX / DIF_MAX) = 1 - 1 = 0
).
No caso desse campo (idade), o fato de ser um valor numérico facilita porque se pode usar essa abordagem numérica. No caso de campos de valores enumeráveis (cor dos olhos, por exemplo), você pode representar cada valor como um número inteiro distinto e aplicar a mesma abordagem (sendo que DIF_MAX
será igual ao número de possíveis valores para o campo), ou simplesmente aplicar uma abordagem lógica/booleana em que a similaridade é 1 se e somente se os indivíduos tiverem exatamente o mesmo valor e 0 caso contrário (isso também depende da interpretação de compatibilidade, que eu discuto a seguir).
Uma vez tendo-se as similaridades para cada campo, uma compatibilidade geral pode ser facilmente obtida com uma média simples ou ponderada (se determinados campos forem mais importantes do que outros) dos valores por campo (a variável NUM_CARAC
representa o número de características, ou seja, o número de campos de cada indivíduo):
Essa "compatibilidade" entre indivíduos muito provavelmente deve ser calculada previamente pelo sistema, e não no momento da consulta. Deve ser fácil manter uma tabela comparando cada par de indivíduos, e seus valores podem ser utilizados para ordenar a lista de potenciais relações no momento de uma consulta (dessa forma, mesmo que um indivíduo qualquer tenha baixa compatibilidade com os demais na sua base, sempre haverá listagens para serem exibidas).
Finalmente eu gostaria de discutir algumas questões importantes. Muito embora essa abordagem que eu acabo de sugerir possa funcionar, eu honestamente não sei se ela é a melhor forma de obter um bom resultado. A avaliação da compatibilidade entre pessoas apenas por meio das diferenças de idade é pouco útil sozinha, mas ela pode ajudar num contexto maior. Porém, qual deve ser o peso dessa informação? Parece óbvio que diferenças maiores entre a idade de indivíduos diminuem um bocado a compatibilidade, mas isso não é necessariamente verdade porque há inúmeros exemplos na vida real que refutam essa intuição.
Eu desconheço em detalhes a forma empregada pelas empresas/sistemas que prestam esse tipo de serviço (aliás, esse é o seu mais importante dever de casa! Procure entender como a concorrência faz), mas minha intuição me diz que a verificação de compatibilidade não é algo assim tão simples como medir a similaridade entre indivíduos por meio de suas características ou preferências.
A compatibilidade depende principalmente de preferências pessoais que não são exatamente as preferências a respeito de parceiros (poderia-se dizer que são meta-preferências; por exemplo, a "cor dos olhos" pode ser mais ou menos importante para diferentes indivíduos). Além disso, a compatibilidade pode variar também com o contexto (local ou temporal): por exemplo, pessoas famosas influenciam bastante as preferências estéticas e comportamentais dos demais indivíduos.
Por isso, mesmo que a abordagem da média ponderada possa ser útil em uma primeira versão do seu sistema, seguramente você precisará utilizar métodos mais rebuscados para conseguir concorrer com o que já existe.
Métricas de compatibilidade úteis seguramente utilizariam uma combinação da compatibilidade individual (medida por exemplo de uma forma sugerida anteriormente) e outras métricas mais subjetivas. Você deve ter percebido que uma métrica "na moda" é a compatibilidade social (isto é, resultante da avaliação da própria "comunidade" a respeito dos indivíduos), mas isso é ao mesmo tempo interessante e polêmico (vide as discussões sobre aplicativos como Lulu e Tinder). Provavelmente o futuro reserva potencial para a aplicação de abordagens similares à do NetFlix, isto é, um sistema de recomendação em que o histórico de escolhas e avaliações sejam utilizados para "prever" os gostos futuros.
De todas as formas, se o seu sistema incluir pesos diferentes para as características, uma opção que pode ser fácil de implementar e produzir resultados satisfatórios pode ser permitir que os usuários avaliem os resultados exibidos (em termos de gostei e não gostei). Com base na avaliação, os próprios pesos poderiam ser INDIVIDUALMENTE ajustados de forma dinâmica.
algoritmo
mas ainda não posso criar tags novas para inserir métrica como uma possibilidade...