Update scoring_calculation_system.py

scoring_calculation_system.py

@@ -1510,151 +1510,134 @@ def calculate_environmental_fit(breed_info: dict, user_prefs: UserPreferences) -
 
 def calculate_breed_compatibility_score(scores: dict, user_prefs: UserPreferences, breed_info: dict) -> float:
     """
-    計算品種與使用者的整體相容性分數
+    改進的品種相容性評分系統，提供更明顯的分數差異和更準確的品種匹配
     
-    Args:
-        scores: 基礎分項分數字典
-        user_prefs: 使用者偏好
-        breed_info: 品種資訊
-        
-    Returns:
-        最終相容性分數 (0.3-0.95)
+    主要改進：
+    1. 提高關鍵參數權重
+    2. 加強條件權重調整
+    3. 更嚴格的不適配懲罰
+    4. 非線性分數調整
     """
-    # 1. 檢查關鍵不適配參數
+    # 1. 關鍵不適配參數檢查 - 加強懲罰機制
     critical_params = {
         'space': {
-            'threshold': 0.3,
+            'threshold': 0.35,  # 提高門檻
             'conditions': lambda p: True,
-            'penalty': 0.3
+            'penalty': 0.25     # 更嚴重的懲罰
         },
         'noise': {
-            'threshold': 0.3,
+            'threshold': 0.35,
             'conditions': lambda p: p.living_space == 'apartment',
-            'penalty': 0.4
+            'penalty': 0.3
         },
         'experience': {
-            'threshold': 0.3,
+            'threshold': 0.35,
             'conditions': lambda p: p.experience_level == 'beginner',
-            'penalty': 0.4
+            'penalty': 0.3
         }
     }
 
-    # 檢查並處理關鍵不適配情況
+    # 檢查關鍵不適配
     for param, config in critical_params.items():
         if scores[param] < config['threshold'] and config['conditions'](user_prefs):
             return config['penalty']
 
-    # 2. 基礎權重設定
+    # 2. 基礎權重設定 - 提高關鍵參數權重
     base_weights = {
-        'space': 0.35,
-        'exercise': 0.30,
-        'experience': 0.20,
+        'space': 0.40,      # 提高空間權重
+        'exercise': 0.35,   # 提高運動需求權重
+        'experience': 0.25, # 提高經驗需求權重
         'grooming': 0.15,
         'health': 0.10,
         'noise': 0.10
     }
 
-    # 3. 根據具體情況調整權重
+    # 3. 動態權重調整 - 加強調整幅度
     adjusted_weights = {}
     for param, weight in base_weights.items():
         multiplier = 1.0
         
-        # 居住空間相關調整
+        # 空間相關調整
         if param == 'space':
             if user_prefs.living_space == 'apartment':
-                multiplier *= 1.2
+                multiplier *= 1.4  # 加大調整幅度
             elif breed_info['Size'] in ['Large', 'Giant']:
-                multiplier *= 1.3
+                multiplier *= 1.5
         
-        # 運動需求相關調整
+        # 運動需求調整
         elif param == 'exercise':
             if user_prefs.exercise_time > 150:
-                multiplier *= 1.4
+                multiplier *= 1.6  # 加大高運動需求的影響
             elif user_prefs.exercise_time < 60:
-                multiplier *= 1.2
-                
-        # 經驗相關調整
-        elif param == 'experience' and user_prefs.experience_level == 'beginner':
-            multiplier *= 1.3
-            
-        # 美容需求調整
-        elif param == 'grooming' and breed_info.get('Grooming Needs') == 'High':
-            multiplier *= 1.2
-            
-        # 健康相關調整
-        elif param == 'health' and user_prefs.health_sensitivity == 'high':
-            multiplier *= 1.3
-            
-        # 噪音相關調整
-        elif param == 'noise' and user_prefs.living_space == 'apartment':
-            multiplier *= 1.4
-            
+                multiplier *= 1.4
+        
+        # 經驗需求調整
+        elif param == 'experience':
+            if user_prefs.experience_level == 'beginner':
+                multiplier *= 1.5
+            elif breed_info.get('Care Level') == 'High':
+                multiplier *= 1.4
+        
         adjusted_weights[param] = weight * multiplier
 
     # 重新正規化權重
     total_weight = sum(adjusted_weights.values())
     normalized_weights = {k: v/total_weight for k, v in adjusted_weights.items()}
 
-    # 4. 計算基礎加權分數
+    # 4. 分數計算 - 加強非線性調整
     base_score = 0
     for param, weight in normalized_weights.items():
         score = scores[param]
         
         # 非線性分數調整
         if score > 0.8:
-            score = min(1.0, score * 1.2)  # 高分獎勵
-        elif score < 0.6:
-            score = score * 0.8  # 低分懲罰
-            
+            score = min(1.0, score * 1.3)  # 加大高分獎勵
+        elif score < 0.5:  # 降低門檻，加大懲罰
+            score = score * 0.7  # 加重低分懲罰
+        
         base_score += score * weight
 
-    # 5. 整合特性加成
-    adaptability_bonus = calculate_environmental_fit(breed_info, user_prefs)
+    # 5. 特性加成整合
     breed_bonus = calculate_breed_bonus(breed_info, user_prefs)
-
-    # 6. 計算最終分數
-    final_score = (base_score * 0.70) + (breed_bonus * 0.20) + (adaptability_bonus * 0.10)
-
-    # 7. 轉換並限制分數範圍
-    return amplify_score_extreme(final_score)
     
+    # 6. 最終分數計算 - 調整加成比例
+    final_score = (base_score * 0.80) + (breed_bonus * 0.20)
+
+    return final_score
 
 def amplify_score_extreme(score: float) -> float:
     """
-    1. 擴大分數範圍至 0.3-0.95
-    2. 使用分段函數處理不同分數區間
-    3. 加強極端值的影響
-    
-    Args:
-        score: 原始分數 (0-1 範圍)
-    Returns:
-        放大後的分數 (0.3-0.95 範圍)
+    改進的分數放大函數，提供更大的分數範圍和更明顯的差異
+    
+    改進：
+    1. 擴大分數範圍（45-85%）
+    2. 加強極端值效果
+    3. 減少中間分數的出現
     """
-    # 定義分數區間的轉換參數
     ranges = {
         'poor': {
-            'range': (0, 0.4),
-            'out_min': 0.3,
-            'out_max': 0.5,
-            'amplification': 1.2  # 加強低分懲罰
+            'range': (0, 0.35),        # 擴大低分區間
+            'out_min': 45,             # 降低最低分數
+            'out_max': 55,
+            'amplification': 1.3       # 加強懲罰效果
         },
         'mediocre': {
-            'range': (0.4, 0.6),
-            'out_min': 0.5,
-            'out_max': 0.7,
-            'amplification': 1.0  # 中等分數保持線性
+            'range': (0.35, 0.55),     # 縮小中等區間
+            'out_min': 55,
+            'out_max': 65,
+            'amplification': 0.9       # 略微抑制中等分數
         },
         'good': {
-            'range': (0.6, 0.8),
-            'out_min': 0.7,
-            'out_max': 0.85,
-            'amplification': 1.1  # 稍微獎勵好分數
+            'range': (0.55, 0.75),
+            'out_min': 65,
+            'out_max': 75,
+            'amplification': 1.1
         },
         'excellent': {
-            'range': (0.8, 1.0),
-            'out_min': 0.85,
-            'out_max': 0.95,
-            'amplification': 1.3  # 強力獎勵優秀分數
+            'range': (0.75, 1.0),      # 擴大高分區間
+            'out_min': 75,
+            'out_max': 85,             # 提高最高分數
+            'amplification': 1.4       # 加強獎勵效果
         }
     }
     
@@ -1662,16 +1645,21 @@ def amplify_score_extreme(score: float) -> float:
     for range_name, config in ranges.items():
         range_min, range_max = config['range']
         if range_min <= score <= range_max:
-            # 計算在當前區間的相對位置
+            # 計算區間位置
             range_position = (score - range_min) / (range_max - range_min)
             
-            # 應用放大係數
+            # 應用非線性調整
             range_position = min(1.0, range_position * config['amplification'])
             
-            # 轉換到輸出範圍
+            # 轉換到目標範圍
             amplified = config['out_min'] + (config['out_max'] - config['out_min']) * range_position
             
-            return round(max(0.3, min(0.95, amplified)), 4)
+            # 加入小幅隨機變化，避免重複分數
+            import random
+            variation = random.uniform(-0.5, 0.5)
+            amplified += variation
+            
+            return round(max(45, min(85, amplified)), 1)
     
-    # 如果分數超出範圍，返回最近的有效值
-    return 0.3 if score < 0 else 0.95
+    # 處理超出範圍的分數
+    return 55 if score < 0 else 95