one2one

流程介绍

一、 收集

设计问卷，收集小朋友、大朋友的基本信息、兴趣爱好等数据。

本次 One to One 使用了由 KEEER 独立编写的 Vote 表单平台。可扩展性是 KEEER Vote 最大的优势之一，因而我们只需要在 Vote 的基础上实现手机号验证与分支问题的插件即可。

二、 处理

导出第一步收集到的数据，预处理、打分然后进行匹配。

1. PREPROCESS: 从 Vote 导出的 .csv 文件中输入，对一些不合法数据（如同一个人填写了两份问卷）、冗余信息进行处理，然后将每个小朋友大朋友的姓名与手机号 hash 生成 uid 作为 key，根据年级进行分类，重新组织成规范的 .csv 文件。

2. SCORE: .csv 文件中是非结构化数据，简单来说就是一些计算机无法理解的文本，所以我们需要把这些非结构化数据构造为数据模型上的结构化数据。例如，“你初中是人大附中本校的吗？”这个问题的回答“是”或“否”，对 true 或 false 而言，在一定程度上就是结构化的。构造为方便进一步处理的结构化数据后，对于任意潜在可行的小朋友-大朋友对，将每一个问题中小朋友与大朋友选项间的相似程度相加，得到小朋友与大朋友的总相似程度。最后，仅包含每个小朋友-大朋友对及其分数的数据将被输出到 score.out 中，而更详细、更冗余的数据将被输出到 score.json 中。

3. MATCH: 从 score.out 中输入，然后进行匹配，将最终的小朋友-大朋友对输出到 match.out 中。

4. RESULT: 从 match.out 和 score.json 中输入，一是仅保留 score.json 中所有最终小朋友-大朋友对的详细信息（由 match.out 给出），删除其他不可行的小朋友-大朋友对的信息，输出到 result.json；二是对于 match.out 中的所有最终小朋友-大朋友对，将小朋友的名字、大朋友的名字、手机号输出到 result.xls 中。

三、 通知

以网页查询、辅以短信发送的形式进行通知。

将 result.json 上载到 KEEER 服务器，设计一个表单与插件，使得小朋友大朋友可以在表单中输入自己的手机号，获取到对应的大朋友小朋友的名字、微信号等信息；将 result.xls 上载到阿里云，给每个小朋友大朋友发送短信，通知对应的大朋友小朋友的手机号。

四、 反馈

设计问卷，收集用户对本次 One to One 的反馈，方便更好地举办明年的活动。

项目细节

KEEER Vote 是一个通用的收集数据的平台。KEEER Vote 的手机号验证插件 sms-verify，分支问题插件 branch-question，与One to One结果查询插件121，均位于 KEEER Vote 的存储库中。

下介绍 SCORE 与 MATCH 过程的项目细节。

preprocess.py 即 PREPROCESS 过程。

SCORE 过程核心的数据模型是 Form 接口及其代表表单数据的派生类（如上图右侧），和 Question 接口及其代表问题数据的派生类（如上图左侧），均在 form/*.py 中定义。

form/*.py 中还定义了一些工具类和函数。form/common.py 中定义的format 函数负责将非结构化文本，根据该类的静态字段title，构造为该类的实例。

def format(obj, cls):
    return cls(obj[cls.title])

form/common.py 中定义的Group接口、init_options与init_dis函数对于选项较多，故需要设置的两两选项间的权值很多的题目类型，提供了一种分组设置选项间权值的方法。但此方法实质上还是将组内权值、组间权值最终转换为两两选项间的权值，类似于反射期打表。

def init_options(cls):
    _options = []
    for group in cls.groups:
        _options += group.options
    return _options


def init_dis(cls):
    _dis = TupleDict()
    for group in cls.groups:
        for (k, v) in group.dis.items():
            _dis.update({k: cls.group_dis[(group, group)] + v})
    for i in range(len(cls.groups)):
        for j in range(i + 1, len(cls.groups)):
            for m in cls.groups[i].options:
                for n in cls.groups[j].options:
                    _dis[(m, n)] = cls.group_dis[(
                        cls.groups[i], cls.groups[j])]
    return _dis

form/common.py 中定义的 TupleDict 特化了键类型为tuple的dict，将(k1, k2)键所对应的值，等同于(k2, k1)键所对应的值。

class TupleDict(dict):  # treat key values (i, j) and (j, i) as equivalent
    def __init__(self, dict={}):
        for (tuple, value) in dict.items():
            (i, j) = tuple
            super().__setitem__((i, j), value)
            super().__setitem__((j, i), value)

    def __setitem__(self, tuple, value):
        (i, j) = tuple
        super().__setitem__((i, j), value)
        super().__setitem__((j, i), value)

    def __repr__(self):
        return f"{type(self).__name__}({super().__repr__()})"

Form的静态函数score，从Question接口的静态函数distance获取到每一个问题中小朋友与大朋友选项间的相似程度，相加得到小朋友与大朋友的总相似程度。

Question接口的静态字段title代表该问题面向用户的问题文本，即 .csv 文件中的列标题，如 Software.title的值为"你最常用的软件是哪些呢？"，该字段将为非结构化数据在format函数中构造为结构化数据提供便利（见下文）；静态字段options定义了该问题的所有选项；静态字段dis定义了该问题两两选项间的权值，为distance函数中评估小朋友与大朋友选项间的相似程度提供便利。

dis静态字段通常是TupleDict类型的对象，就像小朋友选择选项A、大朋友选择选项B的相似程度，与小朋友选择选项B、大朋友选择选项A的相似程度，可能并无差别。然而，这种“通常”具有特例Boarder类、JuniorSchool类与ExpectedGender类，因为同志愿团讨论后我们认为，像在JuniorSchool中高中小朋友初中在人大附中就读、高中大朋友初中不在人大附中就读可能比高中小朋友初中不在人大附中就读、高中大朋友初中在人大附中就读更糟，即 dis[("否", "是")]的值为-4而dis[("是", "否")]的值为3。

派生类 MultipleChoice表示选择题。以及派生自 MultipleChioce 分别代表单选题和多选题的类 SingleSelection, MultipleSelection。SingleSelection中的answer是str对象，而MultipleChoice中的是set对象。同时，两者的distance函数定义也有所不同，前者十分trivial

@ staticmethod
def distance(ss1, ss2):
    return ss1.dis[(ss1.answer, ss2.answer)]

而后者较为复杂，对于参数ms1和ms2两者answer的交集中，不同时属于ms1.answer或ms2.answer的两两元素i, j，累加上dis[(i, j)]；对于差集中，不同时属于ms1.answer或ms2.answer的两两元素i, j，也累加上dis[(i, j)]。

SCORE 过程还包含score.py，就是在 Junior, Senior 与 ICC 中，对于任意潜在可行的小朋友-大朋友对，分别构造 JuniorForm, SeniorForm 或 ICCForm，并调用其score静态函数得到该小朋友-大朋友对的相似程度。并将score函数返回的、详细地包含每一个问题的分值的dict对象，与小朋友与大朋友Form实例上to_obj成员函数返回的dict对象合并，得到verbose模式下的dict对象输出至 score.json；将score函数返回的dict对象仅保留总分值，to_obj函数返回的younger与elder的dict对象仅保留ID，以纯文本形式，每个潜在可行的小朋友-大朋友对一行f"{obj['younger']['id']} {obj['elder']['id']} {obj['score']}"，输出至 score.out。

MATCH 过程即，对于已知的所有小朋友-大朋友对及其相似程度，求出其最终的小朋友-大朋友对，使得此时相似程度的总和尽可能地大，并保证对于任意小朋友和大朋友，其在最终的小朋友-大朋友对中最多出现一次。该问题本质上是二分图最大权匹配问题，采用 Hungarian Algorithm 解决。详见 match/match.cpp。

只保证总和尽可能地大可能具有副作用。然而，考虑到项目的数据量较小，时间较为仓促，而 SCORE 过程中Question.dis的精妙设计足以解决该问题，故本次One to One 2020仍采用该设计。