求一个可行方案：计算新用户和老用户通讯录的最高匹配度

[iblislsy]

需求： 对于每一个新用户，希望能计算出和老用户的通讯录最高匹配度，找到类似伪造通讯录的情况。

例子： 每一个用户的通讯录表结构如下

user_id phone

123 18721212111

123 18721212112

123 18721212113

124 18721212111

124 18721212112

124 18721212115

124 18721212116

假设 user_id:123 是一个新用户，可以发现用户 123 和用户 124 存有相同的联系人

用户 123 和 124 的匹配度为: 相同号码数量 /新用户的号码数量 = 2/3 = 0.67

需要遍历找到匹配度最高的用户，或者是大于某一阈值的用户群体。

各位大佬，这个复杂度似乎有点高，有没有可行的方案。

[swulling]

网贷风控？

[luozic]

向量？

[lance6716]

遍历找到匹配度最高的用户对？还是啥，请使用量词定义

[proudofmyself911]

老用户是伪造的怎么办。。。

[luckychenhaha]

局部敏感哈希

[Humorce]

@proudofmyself911
抓网上营业厅详单，虽然这个做法很恶心，但是你要知道这个操作是要用户“授权”的

[iblislsy]

@lance6716 找到这个匹配度 0.67 就可以了，能找到超过给定阈值θ(比如 0.5)的用户集群更好

[iblislsy]

@lance6716 这个 0.67 是用户 123 和其他所有用户匹配的最大值

[iblislsy]

@luckychenhaha 我补习一下

[codingadog]

麻烦说明下是什么 app，我先去卸载了

[iblislsy]

@codingadog 传说中的钢筋？

[iblislsy]

@iblislsy 通讯录授权请问是第一天出现吗？ 我把通讯录换成别的变量，你是不是就杠不了？ 又多了一个 block 谢谢了，纯讨论技术

[semut]

关键词 simhash

[iblislsy]

@semut 谢谢，我补课

[wizardoz]

如果结合对联系人的称谓，会不会更好玩一些？

[iblislsy]

@wizardoz 加上称谓，问题 又复杂了，先看看能不能找一个容易出结果的方案

[jmc891205]

老用户数据量有多少？能一口气读到内存里再处理吗？

[Zzdex]

最近在做一个类似的，也是占比来算出来匹配度。但我的数据量很小，硬算的，如果你找到好的方法希望分享以下 ：）

[iblislsy]

@jmc891205 老用户数量（号码数量）粗略 1 千 w 吧，还会增长

[codingadog]

@iblislsy 不好意思，我不给，blocked