O ( log 2 m )
Satu-satunya hal yang bisa saya pikirkan adalah sebagai berikut. Ini adalah konsekuensi langsung dari lemma Johnson-Lindenstrauss bahwa untuk setiap dan distribusi pada ada pemetaan linear (yang dapat dievaluasi dalam waktu ) sehingga . Jadi, dalam waktu O ((n + m) \ log m) kita dapat menghitungD R n f : R n → R O ( log m )sesuatu yang dalam arti dekat dengan untuk sebagian besar '(setidaknya jika norma-norma dan kecil).
UPD Batas yang disebutkan di atas dapat agak dipertajam ke waktu kueri jika kita menggunakan hashing yang sensitif terhadap lokalitas. Lebih tepatnya, kita memilih vektor Gaussian independen . Kemudian kami memetakan ke sebagai berikut: . Kemudian kita dapat memperkirakan sudut antara dua vektor dalam kesalahan aditif dengan menghitung jarak dalam gambar pemetaan ini. Dengan demikian, kami dapat memperkirakan produk titik dalam kesalahan aditifdalam waktu .