问题标签 [soundex]

根据相关线程中的此评论，我想知道为什么基于 Levenshtein 距离的方法比 Soundex 更好。

例如，Soundex 算法针对英语进行了优化。是否有更通用的算法适用于大型语言系列？

我正在重构一些当前在存储过程中实现的代码以使用 LinqToSql（用于培训）。是否可以在 linqToSql 查询中使用 SQL 函数？

我正在使用Lawrence Philips Double-Metaphone算法取得了巨大成功，但我发现某些组合出现了奇怪的“意外结果”。

是否有其他人对算法的其他部分进行了添加或更改，他们不介意共享，或者只是他们发现无法按预期工作的组合。

例如。我有以下问题：

• 皮希尔和布什利。（均与 PXL 匹配）
• 罗克利夫和罗克利夫（RKLF 和 RKKL）

谁能建议我使用soundex 算法程序的数据结构？使用的语言是Java。如果有人以前在 Java 中做过这方面的工作。该程序应具有以下功能： 能够阅读大约 50,000 个单词 应该能够阅读一个单词并返回具有相同 soundex 的相关单词

我不希望程序实现只是关于使用什么数据结构的一些建议。

SQL Server (2000) Soundex 函数是否适用于亚洲字符集？我在查询中使用它，它似乎没有正常工作，但我意识到这可能是因为我不知道如何阅读中文......

此外，是否还有其他语言可能无法使用该功能？（例如俄语）

谢谢你，
弗兰克

我正在尝试使用 SOUNDEX 对公司名称进行比较，但对 soundex 的 php 调用仅输出 3 位数字，因此比较不太准确。有没有办法获得更好的 soundex 输出，从而使结果更准确？

简而言之，Soundex 算法将一系列字符转换为代码。产生相同 Soundex 代码的字符被称为听起来相同。

• 代码为 4 个字符宽
• 代码的第一个字符始终是单词的第一个字符

字母表中的每个字符都属于一个特定的组（至少在本例中，此后的代码是我将坚持的规则）：

• b, p, v, f = 1
• c、g、j、k、q、s、x、z = 2
• d, t = 3
• l = 4
• 米，n = 5
• r = 6
• 字母表中的每个其他字母都属于第 0 组。

其他值得注意的规则包括：

• 属于组 0 的所有字母都将被忽略，除非您提供的单词中的字母已用完，在这种情况下，其余代码将用 0 填充。
• 同一数字不能连续使用两次或多次，因此该字符被忽略。唯一的例外是上面带有多个 0 的规则。

例如，单词“Ray”将产生以下 Soundex 代码：R000（R 是所提供单词的第一个字符，a 是第 0 组的一部分，所以它被忽略，y 是第 0 组的一部分，所以它被忽略，没有更多字符，因此代码中剩余的 3 个字符为 0）。

我创建了一个已传递给它的函数 1）一个 128 个字符的数组，用于创建 Soundex 代码和 2）一个空的 5 个字符数组，用于在函数完成时存储 Soundex 代码（和就像大多数数组在我的程序中使用一样，通过引用传回）。

但是，我的问题是转换过程。我上面提供的逻辑在我的代码中并不完全有效。同时我不知道为什么。

我不确定这是否是因为我过度使用了 strlen，但由于某种原因，当程序在第一个 while 循环中运行时，实际上没有任何字符被转换为代码（即实际上没有运行任何 if 语句）。

那么我做错了什么？任何帮助将不胜感激。

我已经使用 CONTAINSTABLE 关键字在 SQL Server 2005 数据库上实现了全文搜索。我想知道如果原始查询没有产生任何结果，是否有办法添加“听起来像”或谷歌的“你的意思是那个”功能。

过去几天我一直在研究 soundex、metaphone 和其他字符串搜索技术，据我了解，这两种算法都可以很好地处理转译为英语的非英语单词。

然而，我的要求是让这种搜索在原始的、未音译的语言中工作，适应德语、挪威语甚至西里尔字母等字母。

是否有任何搜索算法能够完全处理这些字母？还是我最好使用第三方全文搜索库，例如 Lucene？因此，问题就变成了“Lucene 是否处理非英文字母？”