基于LDA主题建模和向量相似度计算的智能社交匹配系统，专为找队友、寻合伙人等场景设计。
- 多维度兼容性分析: 性格、兴趣、职业、价值观、诉求等6个维度的深度匹配
- 智能主题建模: 基于LDA的用户档案主题提取和相似度计算
- 向量化匹配: 使用Faiss进行高效的用户向量相似度搜索
- 动态诉求匹配: 支持实时输入匹配需求，灵活调整匹配策略
- RESTful API: 完整的Web API接口，支持前端集成
- Web界面: 直观的用户界面，支持档案上传和匹配结果展示
Impromptu/
├── src/ # 源代码
│ ├── algorithms/ # 核心算法
│ │ ├── tag_compatibility_analyzer.py # 主匹配算法
│ │ ├── llm_compatibility_analyzer.py # LLM增强分析
│ │ └── user_profile_analyzer.py # 用户档案分析
│ ├── models/ # 数据模型
│ │ ├── topic_modeling.py # LDA主题建模
│ │ ├── vector_matching.py # 向量匹配
│ │ ├── tag_matching.py # 标签匹配
│ │ └── ...
│ ├── services/ # 服务层
│ │ └── api_server.py # Flask API服务器
│ └── utils/ # 工具函数
├── data/ # 数据目录
│ ├── raw/ # 原始数据
│ │ └── profiles/ # 用户档案JSON文件
│ ├── processed/ # 处理后数据
│ │ └── user_vectors/ # 用户向量数据
│ ├── models/ # 训练好的模型
│ └── results/ # 匹配结果
├── scripts/ # 脚本目录
│ ├── demo/ # 演示脚本
│ │ ├── main.py # 主演示程序
│ │ └── ...
│ ├── setup/ # 安装配置脚本
│ │ ├── install.sh # 项目安装脚本
│ │ └── start_api.sh # API启动脚本
│ └── train/ # 训练脚本
│ └── train_models.py # 模型训练
├── web/ # 前端文件
│ ├── index.html # 主页面
│ ├── app.js # 前端逻辑
│ └── style.css # 样式文件
├── configs/ # 配置文件
│ ├── config.py # 主配置
│ └── prompts/ # 提示词模板
├── tests/ # 测试文件
├── docs/ # 文档目录
└── requirements.txt # 依赖列表
# 克隆项目
git clone <repository-url>
cd Impromptu
# 运行安装脚本
bash scripts/setup/install.sh将用户档案JSON文件放入 data/raw/profiles/ 目录，格式参考：
{
"basic_info": {
"name": "张三",
"age": 28,
"location": "北京",
"occupation": "产品经理"
},
"personality": {
"mbti": "ENFP",
"traits": ["外向", "创新", "协作"]
},
"interests": ["AI技术", "创业", "产品设计"],
"user_request": {
"request_type": "找队友",
"description": "寻找技术合伙人，希望一起做AI产品"
}
}# 激活虚拟环境
source venv/bin/activate
# 训练模型
python scripts/train/train_models.py# 命令行演示
python scripts/demo/main.py
# 启动API服务
bash scripts/setup/start_api.sh
# 访问Web界面
open http://localhost:8000运行 python scripts/demo/main.py，输入匹配诉求，系统会：
- 分析所有用户档案
- 计算多维度兼容性评分
- 按匹配度排序输出结果
启动API服务后，可使用以下端点：
POST /api/match- 用户匹配分析POST /api/upload- 上传用户档案GET /api/profiles- 获取用户列表GET /health- 健康检查
访问 http://localhost:8000 使用图形界面：
- 上传用户档案
- 输入匹配需求
- 查看匹配结果和评分详情
系统从6个维度分析用户兼容性：
- 性格匹配: MBTI、性格特征相似度
- 兴趣匹配: 共同兴趣和爱好重叠度
- 职业匹配: 专业背景和技能互补性
- 价值观匹配: 人生观、工作观一致性
- 诉求匹配: 具体需求的契合度
- 互补匹配: 能力和资源的互补性
- LDA主题建模: 提取用户档案的潜在主题
- Faiss向量搜索: 高效的相似度计算
- 中文NLP: jieba分词 + 停用词过滤
- 机器学习: scikit-learn + gensim
每个维度使用0-10分评分：
- 8-10分: 高度匹配
- 6-7分: 较好匹配
- 4-5分: 一般匹配
- 0-3分: 匹配度较低
总体评分为各维度加权平均，重点关注诉求匹配度。
主要配置文件：
configs/config.py: 系统配置参数configs/prompts/prompts.yaml: LLM提示词模板requirements.txt: Python依赖包
本项目使用 MIT 许可证 - 详见 LICENSE 文件