希望你安然无恙！如果有一个用户数据库，我有一个关于配对的常规或常见方式的问题：假设每个用户都有一些属性，在匹配时，每个用户都可以更改筛选选项，只匹配符合自己需求的用户(因此用户之间可以相互选择(，我们希望尽可能精确地高效匹配1000个用户。
例如，假设每个用户都有3个属性：性别(女性/男性/其他(、学习水平(初级/中级/高级(和年级(大一/大二/大三/大四(，匹配时，每个用户可以选择只与具有所选性别、学习水平和年级的人匹配。当关注一个用户时，我可以猜测，从数据库的角度来看，我们可以使用命令中的过滤选项，并获得一个满足这两个条件的用户列表；我的要求"；以及"；我符合他们的要求"；？然而，我认为当同时有1000多名用户处于匹配阶段时，这将是缓慢和异步的问题？
我在这里看到另一篇文章讨论了bloom算法或贪婪算法，这似乎很酷，因为如果在图中查看。在这种情况下，它们可行吗？我想，如果两个用户同时满足这两个要求，他们在两个节点之间就会有一条边，而边的值可以是3个属性的综合匹配分数？
无论如何，我想知道有没有一种常见的方法可以同时与至少1000多名用户精确匹配？
非常感谢！
如果要求每个匹配都必须具有完全相同的属性，那么解决方案相当简单；只需进行多标准排序(例如，首先按性别排序，然后在每个性别类别内按学习水平排序，等等(，并将相同的用户配对。
然而，在随机数据集中，你不太可能为所有用户提供完美的匹配。在这种情况下，你会希望通过每个类别的匹配程度来获得分数对，并使用更复杂的算法来最大化你的整体匹配。你会做什么在很大程度上取决于你的用例和用户群大小。老实说，对于现代计算机来说，1000名用户是一个非常小的数字；几乎任何多项式时间方法(包括你提到的bloom(都可以很好地工作。