國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4 實證分析 實證分析 實證分析 實證分析
4.1
改良 改良 改良 改良
Yahoo奇 奇摩交友 奇 奇 摩交友 摩交友速 摩交友 速 速配模式 速 配模式 配模式 配模式
Yahoo 奇摩交友速配模式中的「擇友條件」，即為本篇論文所討論的男女雙方期待對方的條
件。本論文研究對象設訂為校園男女，所以在做配對時，暫不考慮年收入與學歷。我們將以 Yahoo 奇摩的七項「擇友條件」，選擇「外型限制」一項，來做速配分析。其中「外型限制」包含「身 高」、「體重」、「外型描述」三項變數。我們將利用第 2 章討論的方法來做改良。
底下將以現實生活中的男女為例，進行五男六女的速配。首先觀察 yahoo 奇摩的七項「擇 友條件」中的「外型限制」，「身高」與「體重」，皆採用區間值描述，而「外型描述」這一個選 項，yahoo 奇摩共列出了 19 個選項，如 3.1 節所列。
為了更有效率的進行速配，本論文研究將從 19 個選項中刪掉下列選項，並將理由寫於其後：
(6)骨瘦如柴：沒有人會希望速配的對象是這樣子的外形。
(7)穠纖合度：已有同類形容詞(3)苗條玲瓏。
(17)瘦瘦高高：在身高與體重上就能決定是不是要瘦瘦高高。
(18)中等身材：這個形容詞不夠具體，而且也能從身高與體重上去評估是否為中等身材。
(19)不拘：如果什麼都不拘，那就不用速配了，因為任何人都可以配。
然後本研究將挑選幾個比較符合一般社會大眾形容外型的描述，並重新編號，分成男生與 女生，如下：
男生：
(1)短小精幹 (2)斯文俊秀 (3)帥氣挺拔 (4)英俊瀟灑 (5)粗獷豪邁 (6)健美陽光 (7)魁梧壯碩 女生：
(1)嬌小可愛 (2)苗條玲瓏 (3)骨感纖細 (4)婀娜多姿 (5)高貴典雅 (6)性感嫵媚 (7)福態豐滿 與 yahoo 奇摩速配模式不同的是，我們將用梯形模糊數來決定身高與體重，而以離散形模 糊數來增加外型選擇的多樣性。其中離散型模糊數我們以表格來呈現，其詳細過程可參考附錄。
例 例例
例 4.1 利用梯形模糊數與利用梯形模糊數與利用梯形模糊數與利用梯形模糊數與離散型模糊離散型模糊離散型模糊離散型模糊數進行數進行數進行數進行五五五男五男男男六六六六女的速配女的速配女的速配 女的速配
=
A {a1,a2,a3,a4,a5} ,B={b1,b2,b3,b4,b5b6},令 A中各樣本的身高中各樣本的身高：中各樣本的身高中各樣本的身高：：：
} 182 ,
179 ,
169 ,
171 ,
172
{11 12 13 14 15
1= s = s = s = s = s =
S
A中各樣本的體重中各樣本的體重：中各樣本的體重中各樣本的體重：：：
} 84 ,
77 ,
66 ,
61 ,
68
{ 21 22 23 24 25
2 = s = s = s = s = s =
S
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
A中各樣本的外中各樣本的外型中各樣本的外中各樣本的外型型型描述描述描述描述：：： ：
表 4.1 A中各樣本外型描述
S3 短小精幹 斯文俊秀 帥氣挺拔 英俊瀟灑 粗獷豪邁 健美陽光 魁梧壯碩
s31 0 0.6 0.1 0.25 0 0.05 0
s32 0 0.05 0.3 0.05 0.2 0.35 0.05
s33 0.4 0.05 0 0.4 0 0.15 0
s34 0 0.3 0.6 0.05 0 0.05 0
s35 0 0.4 0.4 0.15 0 0.05 0
B中各樣本的身高中各樣本的身高：中各樣本的身高中各樣本的身高：：：
}
~ 151 ,
~ 173 ,
~ 163 ,
~ 161 ,
~ 154 ,
~ 158
~ {
16 15
14 13
12 11
1= s = s = s = s = s = s =
S
B中各樣本的中各樣本的體重中各樣本的中各樣本的體重體重：體重：：：
}
~ 66 ,
~ 53 ,
~ 54 ,
~ 58 ,
~ 47 ,
~ 51
~ {
26 25
24 23
22 21
2 = s = s = s = s = s = s =
S
B中各樣本的外型描述中各樣本的外型描述：中各樣本的外型描述中各樣本的外型描述：： ：
表 4.2 B中各樣本外型描述
3
S
~
嬌小可愛 苗條玲瓏 骨感纖細 婀娜多姿 高貴典雅 性感嫵媚 福態豐滿31
~s 0.6 0.2 0 0 0.05 0.15 0
32
~s 0.6 0 0 0 0.1 0.1 0.2
33
~s 0.1 0.5 0 0.05 0.3 0 0.05
34
~s 0.6 0 0 0 0 0.1 0.3
35
~s 0 0.2 0.6 0 0.2 0 0
36
~s 0 0.2 0.1 0.2 0.1 0.4 0
A中各樣本對中各樣本對中各樣本對中各樣本對B中各樣本的期待身高中各樣本的期待身高中各樣本的期待身高中各樣本的期待身高：：：：
1 = E
{e11 =
[ 150
,155
,160
,165 ]
, e12 =[ 153
,160
,165
,168 ]
, e13 =[150,152,155,159]]
175 170 160 145
14
[
, , ,e = , e15 =[148,156,164,169]}
A中各樣本對中各樣本對中各樣本對中各樣本對B中各樣本的期待中各樣本的期待中各樣本的期待中各樣本的期待體重體重體重體重：：：：
{e21 =
[ 45
,48
,52
,55 ]
, e22 =[ 46
,48
,55
,57 ]
, e23 =[40,45,50,55]2 = E
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
] 75 65 55 50
24
[
, , ,e = , e25 =[40,50,55,60]}
A中各樣本對中各樣本對中各樣本對中各樣本對B中各樣本的期待中各樣本的期待中各樣本的期待中各樣本的期待外型外型外型外型：：：：
表 4.3 A中各樣本對B中各樣本期待外型
E3 嬌小可愛 苗條玲瓏 骨感纖細 婀娜多姿 高貴典雅 性感嫵媚 福態豐滿
e31 0.6 0.3 0 0 0.05 0.05 0
e32 0.2 0.4 0 0 0 0.4 0
e33 0.3 0.4 0 0 0 0.3 0
e34 0 0 0 0.4 0.3 0.2 0.1
e35 0 0.2 0.2 0.1 0.3 0.2 0
B中各樣本對中各樣本對中各樣本對中各樣本對A中各樣本的期待身高中各樣本的期待身高中各樣本的期待身高中各樣本的期待身高：：：：
1 = E~
{
~ [ 165 , 170 , 175 , 180 ]
11 =
e ,
~ [ 165 , 173 , 178 , 181 ]
12 =
e , ~ [160,165,175,180]
13 = e
] 185 , 180 , 177 , 168
~ [
14 =
e , ~ [170,175,180,185]
15 =
e , ~ [170,175,185,190]
16 =
e }
B中各樣本對中各樣本對中各樣本對中各樣本對A中各樣本的期待中各樣本的期待中各樣本的期待中各樣本的期待體重體重體重體重：：：：
2 = E~
{
~ [ 55 60 70 75 ]
21 , , ,
e = ,
~ [ 62 65 75 78 ]
22 , , ,
e = , ~ [65,70,80,85]
23 = e
] 95 , 90 , 80 , 75
~ [
24 =
e , ~ [50,60,70,80]
25 =
e , ~ [75,85,90,95]
26 =
e }
B中各樣本對中各樣本對中各樣本對中各樣本對A中各樣本的期待中各樣本的期待中各樣本的期待中各樣本的期待外型外型外型外型：：：：
表 4.4 B中各樣本對A中各樣本期待外型
3
E
~
嬌小可愛 苗條玲瓏 骨感纖細 婀娜多姿 高貴典雅 性感嫵媚 福態豐滿31
~e 0 0.3 0.4 0 0 0.3 0
32
~e 0 0 0.1 0 0.1 0.3 0.5
33
~e 0 0.5 0.2 0.1 0 0.2 0
34
~e 0.3 0.1 0.05 0 0.4 0.15 0
35
~e 0 0.3 0.4 0.2 0 0.1 0
36
~e 0 0.15 0.2 0.15 0 0.3 0.2
有了上述資料，在「身高」與「體重」這兩個變項，我們利用第二章所介紹的方法，分別 求出A集合與B集合中各樣本之隸屬度函數，並計算其雙向配度。另外，我們以定義 2.2 與定 義 2.22 來計算「外型描述」變項的距離與雙方的速配指數，取近似值至小數點以下第二位，然
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
後換算成百分率。最後，我們以定義 2.23 求其整合速配指數，並選出最佳速配。以下將部分結 果列出，其餘可參考附錄：
表 4.5 整合速配指數 參加對象 身高、體重
男女速配程度
外型
男女速配程度 整合速配指數 整合最佳速配
(a1 , b1) 100 % 86.89 % 93.21% ○
(a1 , b2) 83.25 % 76.74 % 79.93%
(a1 , b3) 60 .00 % 83.84 % 70.93%
(a1 , b4) 29.25 % 77.54 % 47.62%
(a1 , b5) 51.50 % 75.45 % 62.34%
(a1 , b6) 15.00 % 75.27 % 33.60%
(a2 , b1) 92.75 % 83.72 % 88.12%
M M
M M
M M
M M
M M
(a5 , b5) 40.00 % 91.70 % 60.56%
(a5 , b6) 56.75 % 85.46 % 69.64%
然後我們依定義 2.14 與定義 2.21，可求出在身高與體重上，a1與b1為速配；在外型上，a5與b5 為速配；而綜合身高、體重與外型的整合最佳速配則為a1與b1。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5 結論
我們在本論文中利用梯形隸屬度函數配合軟計算的技術，由單一變數的速配模式，逐一推 廣至多變數的速配模式，並且分別定義了單向速配與雙向速配，藉由計算兩集合的雙向配度，
找出兩集合內到底那兩個樣本是速配。如果速配的組合不只一對，在單變數速配模式中，我們 可以由計算M 值，來找出真正的最佳速配；而在多變數速配模式中，我們可以由計算M′值，
來找出真正的最佳速配。
如果自身條件與期待條件兩集合內樣本，並不是一個數值與區間值，而是語言變數，本論 文也利用計算兩離散模糊集合之距離公式，並推導出一個簡單的特殊映射，將距離轉換成 0 到 1 的數字，再轉換成百分率，由此提供了速配指數與雙向配度，從而找出速配的兩樣本。在離 散型模糊集合速配模式中，要產生兩組雙向配度相同的機率比較小，所以本論文並沒有討論如 果兩組樣本，其雙向配度相同的情況。
接著我們將綜合上述討論的速配模式，針對樣本中存在的各種資料做速配。將各種模式所 得到的速配指數作平均求出一個綜合的指數，才能符合真實的狀況。平均的方法有許多種，而 本論文找出一個比較適合的平均方法，並以此定義出整合速配指數，求出樣本中的最佳整合速 配組合。
我們以前幾節所提到的方法，指出 Yahoo 奇摩交友系統中比較不合理之處，並提出改進的 方向，由此改良了 Yahoo 奇摩交友速配的單調性，使身高、體重與外型的選擇性更多樣化，並 利用此方法找出在身高、體重、外型各項目中，那兩個樣本是速配的。最後，我們並將其速配 指數列出，將更精準的找出真正速配的組合。
最後，我們在實證分析中以真實的男女為例來做速配。因為本論文的樣本選取以校園男女 為主，所以「抽象概念度量」，如學歷、財務狀況等，尚未納入考慮。經由真實的速配過程，我 們可以精準的觀察到各組速配的整合速配指數，由此找出整合最佳速配。