代码如何实现这个算法（找出近似度高的重复值记录）

Question

复杂的应用（算法相关） 
有这么一个表　a（username, firstname,secondname, email, address, time, code,country, state） 
现在要找出近似度比较高的用户，　从接到这个case发现有史以来难度最大的sql，直觉就是一个算法问题。 当前的近似度如下 
username　　２０ 
firstname　　 
secondname　　　（firstname和secondname联合２０） 
email　　　２０　 
address　　２０　 
time　　　　０ 
code　　　　１０ 
country　　　８ 
state　　　　２ 
这是近似度指标值，　例如几个用户如果username都相同，那么这个几个用户都得到２０分。如果还是这几个用户的firstname和secondname也都相同，那么他们继续得到２０分。如果state都同再得２分。 
下面给一个例子 
　　分数　　username, firstname,secondname, email,      address, time, code,country,  state 
１　100　　li        li        hai      [email protected] 　aaa            1    china    shanghai 
２  90    li        li        hai      [email protected]  aaa            2    china    shanghai 
３  58    li        li        long      [email protected]    aa            1    china      beijing 
４  50      li        li        hai      [email protected]  b              1    England    london 
这个例子是我结合需求实现的，　就是将这几个分成一组，id＝１　可以看到他的所有值都能在同组记录里找到重复值。 
id＝２的code＝２是在这个组里是找不到的哦，所以减去１０分得到９０分。 
id＝３的firstname和secondname联合在这个组里是无法找到重复值，所以先去２０分，address再减去２０，state再减去２分，最后５８； 
id＝４的同理得到５０分。 这个表当前几万条记录，首先必须确定分组标准。　（这个标准如何定，算法总体如何设计？？） 
之后如何实现，开始准备用sql，后来改用临时表存储过程。（实际情况更复杂，是多表关联，我这里大大简化问题）。 
还是没有头绪？？

Answer 1

解决这个问题我会先把这个表排序，用最关注的信息比如邮箱做主排序，次要关注的做次要排序，之后再次要排序……。遍历出重复最多的邮箱，之后再在这个邮箱的范围内再遍历出次要值重复较多的，之后再缩小范围……
结果就出来了，迭代的时候用Map计数，key=变量，value=出现次数。
不知道实际数据情况，不知道可不可行

Answer 2

与我的思路接近，　早上用聚类算法累得要命，还不能看到结果
现在想明白了，这个应用关键看到结果（网上速度有一定要求）。
所以现在我决定不用算法　　，　用sｑｌ　＋　ｊａｖａ　代码来实现。楼上“遍历出重复最多的邮箱，之后再在这个邮箱的范围内再遍历出次要值重复较多的，之后再缩小范围…… 
结果就出来了，迭代的时候用Map计数，key=变量，value=出现次数。”－－－提供新的思路
非常感谢现在发现数学＋算法是很重要的