基于 FaceNet 人脸嵌入的 Tinder 在线交友资料分类

本文提出一种基于用户历史偏好、用于自动审阅 Tinder 上在线交友资料的个性化分类模型生成方法。该方法利用 FaceNet 人脸分类模型提取可能与面部吸引力相关的特征。来自 FaceNet 模型的嵌入被用作描述个人面部的特征。一名用户审阅了 8,545 个在线交友资料。对于每个被审阅的在线交友资料，从仅包含一张脸的资料图像中构建了一个特征集。本文提出两种方法，将每张脸的特征集转换为资料特征集。仅在 20 个资料的嵌入上训练的简单逻辑回归即可获得 65% 的验证准确率。研究发现边际收益递减点出现在约 80 个资料处，此时模型准确率为 73%，在审阅大量额外资料后仅能微弱提升。