实现语音搜索的最有效方法

Posted 2023-02-23

【中文标题】实现语音搜索的最有效方法

【英文标题】：The most efficient way to implement a phonetic search

【发布时间】：2012-01-11 16:12:22

【问题描述】：

在 C++ 和/或 Java 中是什么？通过语音搜索，我的意思是替换听起来相似的元音或辅音。这对名字特别有用，因为有时人们的名字有一些奇怪的拼写。

我认为替换元音和一些辅音可能是有效的。最好包括一些特殊情况，例如末尾的静音 E 或 F 和 PH。最好在 C++ 中使用 cstrings 或字符串吗？是不是在内存中存储一​​个带有替换值的副本，或者每次查找时调用一个函数会更好？

【参考方案1】：

除了Soundex你还会发现Metaphone或Double Metaphone语音算法，这似乎是对英语发音和是一个相当新的算法。

对于德语发音，我使用“Kölner Phonetik”。

Apache Commons Codec 为您提供了一个非常简单的 Java 实现这些基本算法（Soundex、Metaphone 等） http://commons.apache.org/codec/ 例如，查看 soundex 的 javadoc： http://commons.apache.org/codec/apidocs/org/apache/commons/codec/language/Soundex.html

只需键入以下代码，即可获得字符串的语音值：

Soundex soundex = new Soundex();
String phoneticValue = soundex.encode("YourString");

然后您可以简单地对两个字符串执行此操作并比较语音值。 如果您要比较两个字符串，请查看以下帖子，因为 equals() 方法只是黑白的，也许您想知道它匹配了多少 %：

How to compare almost similar Strings in Java? (String distance measure)

【讨论】：

你知道“Kölner Phonetik”的 JAVA 实现

是的 - 我们使用了 apache commons 编解码器。在这里您可以找到“ColognePhonetic”类。 '新科隆语音（）。编码（“汉斯”）'。但是我们不再将它用于德语，它似乎忽略了太多东西，几乎所有单词都被认为是平等的。

对于德语，我找到了 Hannover-phonetics，一个 java 实现 phonet4java，可以在这里找到：code.google.com/p/phonet4java

【参考方案2】：

Soundex 及其变体是用于此目的的标准算法。它使用语音规则将名称转换为字母数字代码。具有相同代码的名称被组合在一起。

就实现搜索而言，我将使用一种数据结构，将每个 soundex 代码映射到具有该代码的名称列表。根据所使用的数据结构（哈希表或树），可以及时完成查找，该时间可以是不同 soundex 代码数量的对数常数。

我不确定cstring（Microsoft 的CString？）到底是什么意思，但标准的std::string 类可以很好地解决这个问题，并且是我的首选。

【讨论】：

cstring 我的意思是char 类型的数组。

@user964672：这里没有理由这样做——我的建议是坚持使用std::string。