Этот текст описывает сложную рекомендательную систему, предназначенную для связи людей, нуждающихся в экспертизе, с квалифицированными экспертами. В отличие от типичных рекомендательных систем, эта сталкивается с уникальными проблемами, такими как ограниченная емкость экспертов и высокая стоимость плохих рекомендаций. Она использует гибридный метод поиска, применяя Reciprocal Rank Fusion для объединения результатов нескольких независимых поисковиков экспертов. Механизм оценки представляет собой взвешенную комбинацию различных факторов, включая явное соответствие направлению, семантическое сходство, совпадение навыков, емкость, качество эксперта, соответствие специализации и справедливость.Качество эксперта использует насыщающую экспоненциальную функцию для учета опыта, предотвращая полное доминирование ветеранов. Справедливость включает логарифмический спад экспозиции, гарантируя, что менее часто рекомендуемые эксперты также получают возможности. Важно отметить, что система работает как глобальная задача назначения, а не как индивидуальные рекомендации топ-N, чтобы предотвратить перегрузку самых популярных экспертов. Используется жадный алгоритм распределения, который приоритизирует пары с более высоким рейтингом, соблюдая при этом пределы емкости экспертов.Слой данных фокусируется на обоснованных статистических данных для определения ценности навыков. Это включает взвешивание источников с экспоненциальным спадом по давности, взвешенные медианы для обработки смещенных распределений данных и стратификацию по роли, уровню и опыту, чтобы избежать смешения ценности навыка с уровнем. Для оценки ценности навыков используются бутстрэп-доверительные интервалы вместо точечных оценок, что обеспечивает более надежную меру.Критический пробный запуск выявил существенные недостатки, включая чрезмерно строгий фильтр исключения, который сильно ограничивал доступность экспертов, и тенденцию рекомендаций к отсутствию четких обоснований. Значок "трендовый" также показал завышенные значения из-за отсутствия значимой базовой линии. Эти выводы подчеркивают важность тщательной реализации и непрерывной оценки в сложных рекомендательных системах.