看來，追女生這件事，比解NP難問題，還要復雜啊。林辰摸著下巴，陷入了深深的沉思。第二章 數(shù)據(jù)模型外的變量
?
林辰把“杯子策略”歸為失敗案例后，并沒有氣餒。在他看來，任何算法調(diào)試都需要經(jīng)歷幾次迭代，追女生這種“高復雜度社會行為”，出現(xiàn)誤差再正常不過。
?
他重新打開“蘇晚相關(guān)數(shù)據(jù)”文件夾，在“興趣模型”里新增了一個子項：對機械參數(shù)的接受度——低。
?
“看來得換個思路?！绷殖綄χ聊秽哉Z，手指在鍵盤上敲得飛快，“既然硬件展示行不通，就從軟件層面突破。”
?
所謂的“軟件層面”，指的是蘇晚的興趣愛好。林辰從行政部的入職登記表里（當然是趁同事不注意時“借閱”的）看到，蘇晚的業(yè)余愛好一欄填著“看電影、逛畫展、烘焙”。
?
三個關(guān)鍵詞，足夠建立初步模型了。
?
林辰先從“看電影”入手。他花了整整一個周末，用爬蟲軟件爬取了近半年所有上映電影的豆瓣評分、貓眼票房、微博熱評數(shù)據(jù)，建立了一個“電影推薦算法模型”。模型里包含情感傾向分析、受眾畫像匹配、話題熱度預測等多個維度，最終篩選出一部愛情片——《夏日告白》。
?
數(shù)據(jù)顯示，這部電影的好評率89%，女性觀眾占比67%，其中25-30歲女性的推薦指數(shù)高達9.2分，完美匹配蘇晚的畫像。更重要的是，電影里有個場景是男主用數(shù)學公式寫情書，林辰覺得這簡直是為自己量身定做的“共鳴點”。
?
他立刻買了兩張周六晚上七點的票，座位選在中間排居中位置——根據(jù)視覺舒適度計算公式，這個位置的觀影視角最佳，既不會因為太近而眩暈，也不會因為太遠而看不清細節(jié)。
?
周五下班前，林辰攥著兩張電影票，深吸一口氣，走到了設(shè)計部門口。
?
蘇晚正背著包準備走，看到林辰，笑著打招呼：“林工程師，下班啦？”
?
“嗯，”林辰把票遞過去，手心的汗差點把票浸濕，“這是周六晚上《夏日告白》的電影票，根據(jù)數(shù)據(jù)分析，這部電影的情感傾向得分8.7，適合情侶觀影場景，其中……”
?
“林辰?！碧K晚打斷他，她看著林辰手里的票，又看了看他緊張得發(fā)紅的耳根，突然笑了，“你追女生是不是像做項目？得先做需求分析，再出解決方案，最后看KPI達成率？”
?
林辰愣了愣，認真地點頭：“理論上是的，精準定位需求才能提高成功率。這是我用三個模型跑出來的最優(yōu)解?！?/p>
?
“最優(yōu)解？”蘇晚挑了挑眉，故意逗他，“那你數(shù)據(jù)庫里有沒有一條信息？我不喜歡愛情片，喜歡恐怖片?！?/p>
?
“什么？”林辰的大腦瞬間宕機，像運行中的程序突然遭遇內(nèi)存溢出。他張了張嘴，半天沒說出話來——他的模型里根本沒有“恐怖片偏好”這個參數(shù)，所有數(shù)據(jù)都指向“浪漫愛情片”是最優(yōu)選擇。
?
蘇晚看著他一臉茫然、像是被抽走了核心代碼的樣子，終于忍不住笑出聲：“逗你的?！彼噶酥鸽娪捌?，“不過這部電影我上周跟閨蜜看過了，確實挺好看的?！?/p>
?
林辰還沒從“數(shù)據(jù)錯誤”的打擊中回過神，手里的票被捏出了深深的折痕。
?
“林辰，”蘇晚收起笑，語氣認真了些，“追人不是解方程，沒有標準答案的?！彼D了頓，補充道，“有時候，憑感覺比看數(shù)據(jù)更重要。”
?
說完，她沖林辰揮了揮手：“周末愉快，拜拜?！?/p>
?
林辰站在原地，看著蘇晚的背影消失在走廊盡頭，手里的電影票像兩片失去水分的葉子。他低頭看了看票面上“夏日告白”四個字，第一次覺得，自己的算法好像漏了點什么。
?
那個周末，林辰?jīng)]出門。他把自己關(guān)在房間里，重新優(yōu)化“蘇晚興趣模型”。他刪掉了“愛情片偏好”這一項，換成了“未知，需重新采集”，又在旁邊標了個醒目的紅圈。
?
“憑感覺……”林辰對著這三個字琢磨了半天，眉頭皺成了川字。感覺這種東西，既沒有數(shù)值范圍，又沒有衡量標準，怎么量化？怎么建模？
?
最后，他決定采用最原始也最有效的方法——問卷調(diào)查。
?
周一早上，林辰拿著一份打印好的問卷，堵在了設(shè)計部門口。
?
問卷是他花了三個小時設(shè)計的，分六個維度，共37道題。從“最喜歡的菜系”到“是否相信星座”，從“下雨天喜歡穿運動鞋還是靴子”到“看電影時喜歡坐前排還是后排”，涵蓋了生活的方方面面，堪稱一份“蘇晚用戶畫像終極問卷”。
?
蘇晚剛到公司，就被林辰攔住了。
?
“蘇晚，”林辰把問卷遞過去，還附帶了一支筆，表情嚴肅得像在遞交項目計劃書，“這是用戶偏好調(diào)查問卷，麻煩你填一下。數(shù)據(jù)會嚴格保密，僅用于……提升服務質(zhì)量。”
?
蘇晚看著那張比項目需求表還厚的問卷，愣住了。她低頭掃了一眼題目，看到“如果被困在電梯里，你會先做什么”“你覺得理想的睡眠時間是幾點到幾點”這類問題時，終于忍不住笑了起來，肩膀都在發(fā)抖。
?
“林辰，”她抬起頭，眼里閃著笑意，“你這是要給我做人格分析??？”
?
“算是……用戶畫像優(yōu)化?！绷殖揭槐菊?jīng)地回答。
?
蘇晚接過問卷和筆，在工位上坐下來，認真地填了起來。林辰站在旁邊，像等待評審結(jié)果的學生，緊張得手心冒汗。
?
他看到蘇晚在“最喜歡的顏色”一欄寫了“鵝黃色”，在“最喜歡的電影類型”后面畫了個括號，里面寫著“恐怖片（真的）”，在“是否愿意接受算法工程師的邀約”后面，畫了個大大的笑臉。
?
填完最后一題，蘇晚把問卷遞還給林辰，眨了眨眼：“數(shù)據(jù)采集完畢，林工程師請查收?！?/p>
?
林辰接過問卷，像得到了核心參數(shù)一樣激動，連聲道謝，轉(zhuǎn)身就跑回了技術(shù)部。
?
他把問卷上的數(shù)據(jù)輸入電腦，用SPSS做了詳細的分析。結(jié)果顯示：蘇晚喜歡吃辣，能接受微麻；怕黑，晚上睡覺需要開小夜燈；對貓毛過敏，所以養(yǎng)了盆多肉當寵物；周末不喜歡宅在家里，更喜歡去逛藝術(shù)展或看話劇；看電影時喜歡坐中間排靠右的位置，因為“方便中途去洗手間”。
?
看著這些新鮮出爐的數(shù)據(jù)，林辰的眼睛亮了。他立刻根據(jù)這些信息，制定了新的“接近策略”。
?
周三中午，林辰去公司樓下的川菜館打包了一份麻辣香鍋。他特意備注了“少麻少辣，不要香菜”——數(shù)據(jù)分析顯示，初次嘗試應降低刺激度，且問卷里提到蘇晚不喜歡香菜。
?
他把香鍋放在蘇晚的工位上，還附帶了一張打印好的紙條：“根據(jù)你的飲食偏好數(shù)據(jù)，該菜品匹配度78%。建議搭配冰飲食用，可有效緩解辣度刺激。”
?
蘇晚從會議室回來時，看到桌上的麻辣香鍋，愣了一下。她拿起那張紙條，看著上面嚴謹?shù)拇朕o和百分比，突然覺得這個總把“數(shù)據(jù)”掛在嘴邊的理工男，有點可愛。
?
她抬頭看向技術(shù)部的方向，正好撞見林辰偷偷張望的眼神。對方像被抓包的小偷一樣，猛地縮回了頭，耳根紅得快要滴血。
?
蘇晚忍不住笑了，拿起香鍋，走到技術(shù)部門口。
?
林辰正假裝敲代碼，手指卻在鍵盤上亂按。蘇晚走到他工位前，把空了的餐盒放在桌上：“林工程師，數(shù)據(jù)分析顯示，你的香鍋很好吃，謝啦?！?/p>
?
林辰的耳朵瞬間紅透了，手指在鍵盤上敲錯了三個字母。他抬起頭，想說點什么，蘇晚卻已經(jīng)笑著轉(zhuǎn)身走了。
?
看著她的背影，林辰的心跳又開始加速。他打開Excel，在“互動效果”一欄里，鄭重地寫下：
?
麻辣香鍋，效果+20，可重復使用。
?
窗外的陽光正好，透過百葉窗灑在表格上，把那個“+20”映得格外清晰。林辰看著這行字，突然覺得，或許“感覺”這種東西，也不是完全不能量化的。
?
至少，此刻他心里的“愉悅度數(shù)據(jù)”，正在飆升。第三章 算法之外的意外變量
?
麻辣香鍋的成功，給了林辰極大的信心。他開始按照新的“蘇晚用戶畫像”優(yōu)化策略，像調(diào)試代碼一樣，一點點修正自己的行為參數(shù)。
?
他根據(jù)蘇晚的作息數(shù)據(jù)，把自己的午休時間從12點調(diào)到12點15分——這樣就能在食堂“偶遇”去打飯的蘇晚。第一次“偶遇”時，他端著餐盤，精準地計算好角度，在蘇晚對面的空位坐下，開口就是：“根據(jù)食堂本周菜單營養(yǎng)成分分析，今天的紅燒排骨蛋白質(zhì)含量達標，但脂肪含量偏高，建議搭配青菜食用，熱量攝入更均衡?！?/p>
?
蘇晚正夾著排骨的手頓在半空，看了看他餐盤里綠油油的青菜，又看了看他認真的臉，默默把排骨放回了碗里。
?
后來林辰發(fā)現(xiàn)，蘇晚打飯時總愛最后去拿湯，于是他每天都提前打好兩碗冬瓜海帶湯，等在湯桶旁?！斑@個湯的嘌呤含量低，適合午餐后飲用，”他把湯遞給蘇晚，“溫度控制在65℃左右，不會燙嘴。”
?
蘇晚接過湯碗，指尖碰到溫熱的瓷壁，心里莫名有點暖。她開始習慣食堂里林辰的“營養(yǎng)分析”，甚至會主動問他：“今天的魚香肉絲，數(shù)據(jù)怎么樣？”
?
林辰的“偶遇”版圖還擴展到了電梯間。他分析了蘇晚的樓層刷卡記錄，算出她每天早上9點05分一定會出現(xiàn)在一樓電梯口。于是他每天提前十分鐘到公司，站在電梯廳假裝看公告，等蘇晚來了，就“恰好”和她同乘一部電梯。
?
電梯里的三十秒，成了林辰的“數(shù)據(jù)展示時間”?！案鶕?jù)早高峰電梯運行數(shù)據(jù)，這部電梯到達12樓的平均時間是47秒，比旁邊那部快8秒?！薄敖裉斓腜M2.5指數(shù)78，屬于良，適合開窗通風?！薄霸O(shè)計部的打印機昨天卡紙三次，我?guī)湍氵h程調(diào)試過了，今天的故障概率下降60%?！?/p>
?
蘇晚靠在電梯壁上，聽著林辰報數(shù)據(jù)，嘴角總是忍不住微微上揚。她發(fā)現(xiàn)這個理工男雖然說話像念代碼，但觀察得意外仔細——連她部門打印機卡紙這種小事都注意到了。
?
最讓林辰得意的，是他用Python寫的“藝術(shù)展信息推送小程序”。這個程序能實時爬取全城美術(shù)館、展覽館的最新展訊，再根據(jù)蘇晚問卷里填的“喜歡印象派、討厭抽象主義”“周末下午有空”等參數(shù)，自動篩選出匹配度80%以上的展覽，每天晚上8點準時推送給她。
?
第一次收到推送時，蘇晚看著手機屏幕上那個帶著像素邊框的展覽海報，還有下面一行“匹配度92%，推薦指數(shù)五顆星”的字樣，忍不住笑出了聲。她回復了一個“謝謝”的表情包，林辰秒回：“程序還在測試階段，如有信息誤差，請及時反饋，我會優(yōu)化算法。”
?
蘇晚看著屏幕，突然覺得，被一個人用代碼的方式惦記著，好像也不是什么壞事。
?
一切都在按照林辰的算法穩(wěn)步推進，直到一個暴雨天，所有的參數(shù)都被打亂了。
?
那天下午，原本晴朗的天空突然被烏云籠罩，不到半小時，豆大的雨點就砸了下來，噼里啪啦地打在玻璃窗上，很快連成了雨簾。
?
臨近下班，雨勢不僅沒減，反而越來越大。蘇晚站在公司門口的屋檐下，看著外面白茫茫的雨幕，有點發(fā)愁——她早上看天氣預報說全天晴天，根本沒帶傘。
?
她掏出手機，剛打開打車軟件，一把黑色的傘突然出現(xiàn)在頭頂，遮住了斜飄進來的雨絲。
?
蘇晚驚訝地轉(zhuǎn)過頭，看到林辰舉著傘站在旁邊。他穿的還是早上那件灰色沖鋒衣，帽子沒戴，頭發(fā)被雨水打濕了幾縷，貼在額頭上，眼鏡片上甚至沾了個小雨點。
?
“林辰？”蘇晚有點意外，“你也沒帶傘嗎？”
?
“帶了。”林辰舉了舉手里的傘，傘骨上還掛著水珠，“根據(jù)實時天氣數(shù)據(jù)，未來兩小時降雨量將達50mm，屬于暴雨級別?！彼褌阃K晚這邊傾斜了大半，自己的肩膀露在雨里，很快就濕了一片，“我查了你的住址，和我順路，送你回去？”