Update scoring_calculation_system.py

scoring_calculation_system.py

@@ -2320,40 +2320,41 @@ def calculate_breed_compatibility_score(scores: dict, user_prefs: UserPreference
 
 def amplify_score_extreme(score: float) -> float:
     """
-    優化分數分布，使結果更具區別性並維持合理範圍
+    優化分數分布以提供更有意義的評分範圍
     
-    透過分段函數來調整分數：
-    - 90-100的原始分數會被映射到92-99%
-    - 80-90的原始分數會被映射到85-92%
-    - 70-80的原始分數會被映射到78-85%
-    - 50-70的原始分數會被映射到70-78%
-    - 50以下的原始分數會被映射到60-70%
-    
-    使用sigmoid曲線來平滑較低分數的轉換，避免突兀的分數跳變
+    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
     """
     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 0.92 + (position * 0.08)  # 擴大高分區間
+        return 0.95 + (position * 0.05)  # 90-100的原始分映射到95-100
         
+    # 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 0.82 + (position * 0.10)  # 增加分數差異
+        return 0.88 + (position * 0.07)  # 80-90的原始分映射到88-95
         
+    # 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 0.72 + (position * 0.10)  # 增加分數差異
+        return 0.80 + (position * 0.08)  # 70-80的原始分映射到80-88
         
+    # 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 0.65 + (smooth_curve(position) * 0.07)
+        return 0.70 + (smooth_curve(position) * 0.10)  # 50-70的原始分映射到70-80
         
+    # 處理較低匹配：保持參考價值
     else:
         position = score / 0.5
-        return 0.60 + (smooth_curve(position) * 0.05)
+        return 0.65 + (smooth_curve(position) * 0.05)  # 50以下的原始分映射到65-70
         
 
 # def amplify_score_extreme(score: float) -> float: