Update scoring_calculation_system.py

scoring_calculation_system.py

@@ -2,7 +2,6 @@ from dataclasses import dataclass
 from breed_health_info import breed_health_info
 from breed_noise_info import breed_noise_info
 import traceback
-import math
 
 @dataclass
 class UserPreferences:
@@ -2328,33 +2327,54 @@ def calculate_breed_compatibility_score(scores: dict, user_prefs: UserPreference
 
 def amplify_score_extreme(score: float) -> float:
     """
-    優化分數分布：
-    - 提高高分的區別度
-    - 維持低分的合理性
+    優化分數分布，使結果更具區別性並維持合理範圍
+    
+    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
     """
+    def smooth_curve(x: float, steepness: float = 12) -> float:
+        """
+        使用sigmoid曲線來平滑分數轉換
+        
+        參數：
+        x: 0-1之間的位置值
+        steepness: 曲線的陡峭程度，較大的值會使轉換更加陡峭
+        
+        返回：
+        0-1之間的平滑轉換值
+        """
+        import math
+        return 1 / (1 + math.exp(-steepness * (x - 0.5)))
+
+    # 處理最高分數範圍：90-100 -> 92-99
     if score >= 0.9:
-        # 完美匹配：92-99%
-        position = (score - 0.9) / 0.1
-        return 0.92 + (position * 0.07)
+        position = (score - 0.9) / 0.1  # 計算在這個區間內的相對位置
+        return 0.92 + (position * 0.07)  # 線性映射到92-99
         
+    # 處理優秀分數範圍：80-90 -> 85-92
     elif score >= 0.8:
-        # 優秀匹配：85-92%
         position = (score - 0.8) / 0.1
         return 0.85 + (position * 0.07)
         
+    # 處理良好分數範圍：70-80 -> 78-85
     elif score >= 0.7:
-        # 良好匹配：78-85%
         position = (score - 0.7) / 0.1
         return 0.78 + (position * 0.07)
         
+    # 處理一般分數範圍：50-70 -> 70-78
     elif score >= 0.5:
-        # 一般匹配：70-78%
         position = (score - 0.5) / 0.2
         base = 0.70
         return base + (smooth_curve(position) * 0.08)
         
+    # 處理較低分數範圍：0-50 -> 60-70
     else:
-        # 較差匹配：60-70%
         position = score / 0.5
         base = 0.60
         return base + (smooth_curve(position) * 0.10)