#每日一篇学术文章# 【CustMatcher：面向偏好驱动的人员配对推荐优化系统】（CustMatcher: Enhancing preference-driven people-to-people recommendation）http://t.cn/AXXFK4Cd
组队分班、师徒结对、运动员训练搭档难安排？靠人工挨个筛选费时费力，固定算法又没法贴合管理者临场想法，浙大巫英才教授团队团队自研CustMatcher 可视化配对系统，一站式解决人与人个性化推荐难题。
日常教育、体育训练场景里，老师、教练做配对时，既要参考年龄、特长、成绩等硬性条件，还有不少临时想法、过往印象这类没法提前写明的隐性偏好，传统自动匹配算法只能输出单一结果，没法灵活微调。
这套系统划分同组两两配对（BiM）、跨组别双向匹配（N-BiM）两种常用模式，底层搭配 DFS 剪枝、匈牙利经典匹配算法： 提前录入人员信息，勾选条件设置「想凑一起 / 尽量避开」的硬性偏好；可视化矩阵面板直观查看配对结果，圆环、色条一键看清每组匹配满意度、人员相似度； 三种交互操作模式，预览修改影响、锁定已定组合，调整中慢慢落地脑海里没写出来的隐性需求； 操作全程留痕，历史面板随时撤回、回溯过往改动。
研究通过在校助教分组、乒乓球实战配训双场景实测：教练和教师能从海量组合里快速迭代出满意方案，不用反复手动试错。
目前工具主打一对一精准配对，未来还将拓展多对多匹配、自然语言录入约束等能力，除了教学组队、体育集训，项目分工、导师分配等场景都能落地使用。

来源：Visual Infomatics