Update scoring_calculation_system.py

scoring_calculation_system.py

@@ -2137,19 +2137,29 @@ def calculate_breed_compatibility_score(scores: dict, user_prefs: UserPreference
             return multiplier
         
         def evaluate_breed_specific_requirements():
-            """評估品種特定的要求"""
+            """評估品種特定的要求，加強運動需求的判斷"""
             multiplier = 1.0
             exercise_time = user_prefs.exercise_time
             exercise_type = user_prefs.exercise_type
             
-            # 特定品種的運動模式評估
-            if 'sprint' in breed_info.get('Temperament', '').lower():
+            # 檢查品種的基本特性
+            temperament = breed_info.get('Temperament', '').lower()
+            description = breed_info.get('Description', '').lower()
+            exercise_needs = breed_info.get('Exercise Needs', 'MODERATE').upper()
+            
+            # 加強運動需求的匹配判斷
+            if exercise_needs == 'LOW':
+                if exercise_time > 90:  # 如果用戶運動時間過長
+                    multiplier *= 0.5   # 給予更強的懲罰
+            elif exercise_needs == 'VERY HIGH':
+                if exercise_time < 60:  # 如果用戶運動時間過短
+                    multiplier *= 0.5
+                    
+            if 'sprint' in temperament:
                 if exercise_time > 120 and exercise_type != 'active_training':
-                    multiplier *= 0.7  # 衝刺型品種不適合長時間中低強度運動
+                    multiplier *= 0.7
                     
-            # 工作犬種的特殊需求
-            if any(trait in breed_info.get('Temperament', '').lower() 
-                   for trait in ['working', 'herding']):
+            if any(trait in temperament for trait in ['working', 'herding']):
                 if exercise_time < 90 or exercise_type == 'light_walks':
                     multiplier *= 0.7
                     
@@ -2319,42 +2329,30 @@ def calculate_breed_compatibility_score(scores: dict, user_prefs: UserPreference
 
 
 def amplify_score_extreme(score: float) -> float:
-    """
-    優化分數分布以提供更有意義的評分範圍
-    
-    這個函數的設計理念是：
-    1. 讓優秀的匹配能得到90%以上的高分
-    2. 保持合理的分數差異
-    3. 確保即使是較低匹配也有參考價值
-    """
+    """優化分數分布，提供更高的分數範圍"""
     def smooth_curve(x: float, steepness: float = 12) -> float:
         import math
         return 1 / (1 + math.exp(-steepness * (x - 0.5)))
 
-    # 處理最佳匹配：讓頂級匹配能達到95%以上
     if score >= 0.9:
         position = (score - 0.9) / 0.1
-        return 0.95 + (position * 0.05)  # 90-100的原始分映射到95-100
+        return 0.96 + (position * 0.04)  # 90-100的原始分映射到96-100
         
-    # 處理優秀匹配：提供更高的基準分數
     elif score >= 0.8:
         position = (score - 0.8) / 0.1
-        return 0.88 + (position * 0.07)  # 80-90的原始分映射到88-95
+        return 0.90 + (position * 0.06)  # 80-90的原始分映射到90-96
         
-    # 處理良好匹配：確保合格的配對有好的分數
     elif score >= 0.7:
         position = (score - 0.7) / 0.1
-        return 0.80 + (position * 0.08)  # 70-80的原始分映射到80-88
+        return 0.82 + (position * 0.08)  # 70-80的原始分映射到82-90
         
-    # 處理一般匹配：給予合理的參考分數
     elif score >= 0.5:
         position = (score - 0.5) / 0.2
-        return 0.70 + (smooth_curve(position) * 0.10)  # 50-70的原始分映射到70-80
+        return 0.75 + (smooth_curve(position) * 0.07)  # 50-70的原始分映射到75-82
         
-    # 處理較低匹配：保持參考價值
     else:
         position = score / 0.5
-        return 0.65 + (smooth_curve(position) * 0.05)  # 50以下的原始分映射到65-70
+        return 0.70 + (smooth_curve(position) * 0.05)  # 50以下的原始分映射到70-75
         
 
 # def amplify_score_extreme(score: float) -> float: