המתמטיקה של האהבה: כיצד וקטורים מזהים התאמה זוגית עמוקה
כיצד בינה מלאכותית מודדת התאמה בין בני אדם? גלו את הטכנולוגיה שמאחורי PgVector, מרחק קוסינוס (Cosine Similarity) וניתוח ה-Vibe של Gemini.
אפליקציות היכרויות מסורתיות מחברות בין אנשים על בסיס פילטרים פשוטים: מגדר, גיל ומרחק. אם שניכם אוהבים טיולים וסושי, המערכת תבצע התאמה. אבל במציאות, התאמה זוגית היא דבר מורכב בהרבה.
בפלטפורמה של Dating In Israel, אנו מחליפים את התגיות השטחיות הללו בחישובים מתמטיים מתקדמים של וקטורים (Vector Embeddings). הנה הצצה אל מאחורי הקלעים של מנוע השידוכים ה-AI שלנו.
1. מה זה בכלל Vector Embedding?
במילים פשוטות, וקטור הוא דרך לתרגם שפה אנושית מורכבת לרשימה ארוכה של מספרים שהמחשב יכול לעבד ולחשב.
כאשר אתם מספרים לבוט הטלגרם שלנו על אורח החיים שלכם, השאיפות המקצועיות או רמת שמירת המסורת שלכם, המערכת לא רק מחפשת מילים ספציפיות. אנו שולחים את התשובות שלכם למודל רשת נוירונים שממיר אותן ל-3072-Dimensional Vector (מערך של 3,072 מספרים).
הוקטור הזה מייצג את המרחב הסמנטי של האישיות שלכם. אם שני אנשים מתארים את הערכים שלהם במילים שונות לחלוטין, הוקטורים שלהם עדיין יצביעו כמעט לאותו כיוון מתמטי.
2. Cosine Similarity: מדידת זווית ההתאמה
כדי למצוא התאמות בבסיס הנתונים במהירות, אנו משתמשים בהרחבת `pgvector` של מסד הנתונים PostgreSQL.
במקום לכתוב שאילתות סינון מסובכות, אנו מודדים את מרחק הקוסינוס בין הוקטור שלכם לוקטורים של שאר המשתמשים במאגר. מדד זה מחשב את הזווית שבין הקווים הרב-ממדיים:
זה מאפשר לנו לסרוק אלפי פרופילים במילישניות באמצעות מתמטיקה טהורה בבסיס הנתונים.
3. מבחן ה-Vibe Check של Gemini
לאחר שמסד הנתונים סינן את המועמדים שלא עברו את סף ה-85% או את הקווים האדומים הבסיסיים (כמו מיקום גאוגרפי או עישון), אנו מריצים שלב סופי ומתקדם במיוחד: Generative AI Vibe Check.
המערכת שולחת את פרטי הפרופיל שלכם יחד עם המועמדים המובילים למודל Gemini-2.5-flash של גוגל. ה-AI מתפקד כשדכן מקצועי וקורא בין השורות:
על ידי שילוב של מתמטיקה וקטורית ומודלי שפה מתקדמים, אנו מגיעים להתאמות מדויקות, טבעיות ומכבדות. רוצים לנסות? התחילו שיחה עם שדכנית ה-AI עכשיו!