问题标签 [metaphone]

我是一个超级蟒蛇菜鸟。

我正在尝试确定名称列表的变音位代码。稍后将比较这些代码以找到潜在的相似名称。

jellyfish 模块很适合我的需求，我可以在创建列表的时候获取变音位码，如下：

但是，我需要获取约 3000 个名称列表的变音位代码。我用我需要的列标题和现有的名称列表创建了一个 .csv。它看起来像这样：

因此，理想情况下，我需要 FirstWordMeta = 每行 FirstWord 列中单词的变音位代码，StMeta = 每行 ST_NAME 列中单词的变音位代码。我希望输出 .csv 看起来像这样：

我已经尝试过 csv 模块，但我不明白在使用 jellyfish.metaphone() 时如何合并引用特定列

我想对analysis-phonetic进行一些更改。我想使用 Metaphone3 而不是 Metaphone（内置），因为它使我的 TestCase 更加准确。如果它是开源的，有人可以将存储库的链接发送给我。我无法在 GitHub 上找到源代码。

我有最新的 jar 文件，但没有源代码（https://github.com/elastic/elasticsearch-analysis-phonetic）。我需要可以在 elasticsearch 7.6.0 上运行的最新代码。

上面的 GitHub 存储库仅适用于 elasticsearch 1.7。从那时起，Elasticsearch 发生了很大变化

• Elasticsearch 开始使用 Gradle（早期是 Maven）。
• Elasticsearch 7.6.0 需要 Java13 才能编译。( https://github.com/elastic/elasticsearch-analysis-phonetic )

我已经尝试过使用分析语音的旧版本代码，因为我无法为 Elasticsearch 版本 7.6.0 找到合适的源代码

• 我对分析语音进行了更改（添加了 Metaphone3）并使用 Maven 编译了代码。我使用 elasticsearch-plugin install 命令安装了 zip 文件。它安装成功，但弹性搜索崩溃了。在我卸载插件之前，Elasticsearch 没有启动。

我在 Elasticsearch 中使用了带有“Phonetic Token Filter”的Metaphone和soundex编码器。

Metaphone适合英语单词。

Soundex适用于英语以及印地语，也许还有许多其他语言。

我想知道哪些编码器最适合印地语以及其他印度语言（如果可能）？

• 声讯
• 变音器
• 双变位音
• 精炼的_soundex
• caverphone1 - 英语（新西兰本地化）
• caverphone2 - 英语（新西兰本地化）
• 科隆 - 德语
• nysiis - 即兴的 Soundex
• koelnerphonetik - 德语
• haasephonetik - 德语
• beider_morse - 英语和多种欧洲语言
• daitch_mokotoff - 斯拉夫和意第绪语姓氏

由于Elasticsearch 网站上没有列出我们应该为哪种语言选择哪种编码器。

还请告诉我您已经使用了哪些编码器以及用于哪种语言。

我想用 metaphone 进行全文搜索。一切工作正常。我有4个领域，即。

以上是样本数据。在这里，我想使用 match()against() 来使用变音位和全文搜索。一切正常。然而，像 Bag、Job 和 Car 这样的词被忽略为默认的最小字符 4。现在的问题是我使用共享主机，而主机提供商告诉我他不能为我提供 mysql 配置文件，他们也不能这样做配置文件 ft_min_word_len = 2 中的 this 不是一个选项。

我用的是正常的

数据库中的所有信息都是用户生成的，因此我无法监督。由于我使用 mysql、PHP 和共享主机。我不能使用任何弹性搜索库或类似 solr 的东西。我已经搜索了谷歌和堆栈溢出但是我无法得到任何东西

一种选择是使用 LIKE 运算符，但如果可能，我想使用 MATCH() AGAINST() 。

请帮助我解决一些问题或替代路线。

我想在 **pyspark** 上的数据集上使用函数 **"doublemetaphone"**。
期望结果是一个布尔值：TRUE 或 FALSE。
但是 *@udf("bool")* 不起作用，还有其他方法吗？

我想使用 DoubleMetaphone 来获取给定字符串的语音编码。例如：

结果：计算机 -> KMPT

当我尝试对更长的字符串进行编码时，就会出现问题。

结果：dustinhoffmanisanactor -> TSTN

显然，它正在使用前 4 个编码字符并停止。在这种情况下，达斯汀 -> TSTN。

我使用了 Double Metaphone 的 Python 实现，它按预期工作。

我想使用函数 java apache DoubleMetaphoneEqual 但使用法语？我在我的 talend 工作中作为例行公事使用

你能告诉我我应该在我的代码中添加什么吗？对于示例 JAID MOHAMED，JAWAD MOHAMED 给出了 true 并且在法语中应该是 false

谢谢

我有两张大桌子，我需要把它们放在一起。匹配不应该是一个明确的比较。我使用了三元组，Levenshtein 的公式，但我的表现很差。也许有人可以帮助提高性能。表 A 的大小约为 20 万行，表 B 的大小约为 60 万行。

所有这些选项的性能都很差（接近 7 小时）。我尝试创建索引，但没有得到太多加速