会议室推荐与排序算法逻辑 (v2.0)

1. 算法背景

在“空间运营官 (SA)”的会议预约场景中，系统需要根据用户输入的模糊需求（如：“定个10人的会议室”、“明天下午两点开会”）或明确需求（如：“定一下 A-101”），从海量空间资源中通过两段式筛选（向量召回+忙闲精排）得出最优推荐。

---

2. 评分逻辑体系

推荐总分 $Score$ 由三个核心维度加权而成，根据用户请求是否包含“语义意图（明确地点）”分为两种计算策略。

2.1 基础权重定义

权重项	缩写	定义
向量相似度	$Sim$	用户输入的 room_entity 与空间别名在向量库中的 Cosine Similarity。
基础房间权重	$W_{base}$	映射后台配置的房间优先级（如：VIP室=1.0, 常用室=0.8, 备用室=0.4）。
容量适配度	$Fi{t}_{cap}$	衡量房间容量与用户人数需求的契合度。

2.2 容量适配度 ($Fi{t}_{cap}$) 计算公式

$$Fi{t}_{cap}=1-\frac{RoomCapacity-UserCapacity}{RoomCapacity}$$

逻辑原则：优先推荐能坐满、且不浪费大空间的房间。

---

3. 排序策略分发

策略 A：明确指定地点 (Has Semantic)

• 适用场景：用户提到具体房间名或别名。
• 公式：$$Score=(Sim\times 0.7)+(W_{base}\times 0.3)$$
• 逻辑说明：既然用户明确想去某地，语义匹配度占绝对主导，房间客观质量作为辅助修正。

策略 B：无指定地点 (No Semantic)

• 适用场景：用户没有提到具体房间名或别名。
• 公式：$$Score=(Fi{t}_{cap}\times 0.6)+(W_{base}\times 0.4)$$
• 逻辑说明：优先满足人数适配，避免 2 人占用 20 人会议室，同时倾向于推荐高权重的优质空间。

---

4. 冲突推荐 (Conflict Recommendation)

当目标时段全忙时，启动降级推荐引擎。根据用户是否指定了特定会议室，划分为两个 Case：

4.1 Case 1：有指定会议室 (User Specified Room)

• 场景：用户指定了具体房间（如“订一下305”），但该房间冲突。
• 操作：
  1. 空间平替 (Space Shift)：去除会议室限定条件，在同时间段搜索其他会议室。
  2. 硬性约束：备选会议室的 $Capacity$ 必须 $\ge$ 原向量检索 Top 10 中相似度最高（Top 1）会议室的 $Capacity$。
• 降级逻辑：若在此条件下仍找不到可用房间，则自动降级到 Case 2。

4.2 Case 2：未指定会议室 (User Did NOT Specify Room)

• 场景：用户仅提模糊需求（如“订个10人的”），或 Case 1 降级而来，且当前时段全忙。
• MVP 策略：本期不进行自动时间顺延 (Time Shift)，直接向用户返回“无可用会议室”提示。

---

5. 开发实现建议

1. 冷启动：若房间未配置 $W_{base}$，默认统一设定为 0.5。
2. 相似度阈值策略：
   • 阈值设定：向量检索结果中，相似度评分 $\ge 0.6$ 的房间直接保留推荐
   • 低分处理：相似度 $<0.6$ 的房间不进入候选列表，避免低质量推荐
3. 召回精度：向量检索时应利用 Payload 中的 entity_type 和 cap_tags 标签进行 前置过滤 (Pre-filtering)。例如在预约流程中，仅检索具备 meet 能力的空间实体，以规避同名设备的干扰。