Mysql 什么'；这是决定用户的大O'&引用；“独特性”；根据民意调查的结果？

我有一个MySQL表，其中列出了用户对是/否调查问题的回答。看起来有点像这样：

| user_id    | poll_id    | response
| 111        | 1         | 'yes'
| 111        | 2         | 'no'
| 111        | 3         | 'no'
| 222        | 1         | 'yes'
| 222        | 2         | 'yes'
| 222        | 3         | 'yes'
| 333        | 1         | 'no'
| 333        | 2         | 'no'
| 333        | 3         | 'no'

对于一个给定的用户id，我想计算他们的响应与其他用户的响应之间的相似性。因此，用户111和用户222的相似性为0.333（因为它们有三分之一的相同响应），用户111和用户333的相似性为0.666（因为它们有三分之二的相同响应）

然后，我想确定给定用户的相似性中值，并将其与所有其他用户的相似性中值进行排序，从而得出该用户“唯一性”的度量

这种操作的时间复杂度是多少

---

*（注意：目前，我有大约25000个用户ID，400个投票ID，响应表中有大约500000行。显然，并非所有用户都对每个投票问题做出响应。这会影响时间复杂度计算吗？*

对于每个用户，您必须计算与所有其他用户的相似性；这是n2-n，或者实际上是n2。但你也必须对这些结果进行排序，以找到中位数。因此，假设您的排序是n log n，则主要项将是n2 log n

---

如果你使用平均值，而不是中位数，你就可以摆脱排序；那么时间复杂度将是O（n2）

让我们让

n

=用户数量，

p

=投票问题数量，

r

=响应表中的总行数。（在您的情况下，

n=25000

，

p=400

，

r=500000

）

---

对于单个用户，数据库将遍历所有响应，对于每个响应，都进行哈希查找，以确定它是否匹配该用户的响应之一。如果是这样的话，则需要

O（1）

时间来跟踪正在运行的计数。然后，它接受该用户的投票问题，并进行简单的求和。只要回答的数量远大于调查问题的数量（在你的情况下），这就取决于浏览回答的时间。因此，每个用户都需要时间

O（r）

。您有

n

用户，因此总时间是

O（n*r）

对于您的注释，记录数不影响时间复杂度的表达，因为时间复杂度是以记录数作为自变量来表示的。例如，无论n是50个项目还是5000万个项目，快速排序都是平均情况O（n log n）和最坏情况O（n^2）！当我问“这会影响时间复杂度计算吗？”时，我指的不是记录本身的数量——我指的是并非所有用户都对每个民意测验问题做出响应的事实。我明白了。在这种情况下，遗漏的问题如何计入百分比？如果有3个问题，用户A的答案

是、否、省略

，而用户B的答案

是、省略、否

，它们是否50%相似，因为提交的答案有一半匹配，还是33%相似，因为它们的答案匹配了问题总数的1/3？你可以在线性时间内找到中位数：