我需要一些帮助，因为我不知道对于以下情况应该使用什么算法（我使用Python）：

• Steve 25岁，他每天都买橙汁

• Maria 23岁，她喜欢买冰沙Steve和Maria的口味非常相似。

• Juan 16岁，他只喝汽水Juan的口味与Steve和Maria不同。

====================================================

我想使用一种匹配算法，能够检测出饮料偏好相同且年龄相近的用户。继续这个例子，Steve和Maria会被匹配在一起，但Juan不会。应该使用哪种算法呢？

回答：

我同意@klutt的观点，你的任务描述得比较模糊。我想到两种方法，但由于对你的问题了解不多，我能提供的回答细节也受到限制。我理解你的问题是，你在处理原始文本，并且可能想要处理更多具有相似语义和句法结构的句子。

算法方法：假设你的词汇选择在语义上是静态的（Maria 是 23岁 … Steve 是 25岁），我们可以解析每个句子并识别像是、和或相同这样的标记，并对文本进行词法分析… 从这里，你可以继续思考如何进行匹配等等… 但这相当复杂…

神经网络方法：如果你处理的是句子形式的原始文本，这不是一个可以通过自上而下的算法方法直接解决的问题。你可以使用神经网络的方法来训练一个模型来解决你的问题，但你所问的似乎相当复杂，因为每个句子中包含多个在语义上不相关的“事实”。例如，你的第二句话指出Maria是23岁，但在句子末尾有一个Steve和Maria的比较。而你的第一句话只指出Steve是25岁。即使你将原始文本分成句子，你也需要一个非常精细调整的神经网络架构和大量的训练数据，才能接近你的目标。

现在，这两种解决方案都非常复杂… 但如果你想创建一个应用程序，通过表格或提示收集这些数据，并将其放入结构化格式（如json或xml对象）来组织和存储数据在内存中（或许写入数据库或文件进行持久存储），这可能是一个不错的途径。

这也可以作为一个很好的教训，如何思考数据。如果你有一千个句子的数据池，仅是需要为定量目的组织的原始数据（经典的定性到定量问题），这是一回事。如果你将要收集这些数据，这就是另一回事了。如果你要收集数据，拥有一个收集和组织姓名、年龄和饮料偏好的程序（然后在某些数据结构中组织这些数据），然后我们可以讨论匹配算法。

我还要补充一点，如果你确实有结构化数据，协同过滤（由Shridhar提到）是一个很好的起点。