问题标签 [soundex]

我正在尝试使用 soundex 将一行的每个单词转换为哈希版本，然后使用 scikit-learn 对其执行一些机器学习。

代码如下：

但是当我这样做时，我收到一个错误：

目前正在使用 CriteriaBuilder、Predicates、JPA 2.0 和 EclipseLink 作为提供者创建对象搜索。

我的挑战是访问 soundex 功能并将其应用于动态构建的标准。

...循环我对查询的输入

……最后

这显然适用于简单的标准构建器项目，我可以使用“like”、“greaterThan”、日期比较等。

我想启用使用 EclipseLink soundex() 运算符的表达式。使用 EclipseLink 提供程序打开了我创建 eclipselink 表达式的能力，但我无法弄清楚如何将它应用于谓词。

在查找允许我创建可在 CriteriaBuilder 中使用的表达式的文档时遇到很多麻烦。可能吗？可以将 EclipseLink 表达式转换为参数化的持久性表达式<>吗？...然后被设置为内置条件查询的谓词？

我在 ASP.NET MVC 应用程序上有一个网页，客户可以在其中搜索供应商。供应商在网站上获取他们自己的详细信息。客户想要一个“智能搜索”功能，即使供应商的拼写与在搜索框中键入的内容“略有不同”，他们也可以在其中搜索供应商并找到他们。

我不知道客户的“略有不同”的概念是什么。我一直在研究实现自定义 soundex 算法。这会根据单词的发音将单词转换为数字。然后将该数字用于比较。

例如：

扎克

扎克

将编码为相同的值。我还有其他选择吗？

我有两张表，一张有外键。我想从表 1 中删除重复项，同时更新表 2 上的键。即计算表 1 上的重复项，从重复项中保留 1 个键，并查询表 2 上的其余重复记录，用键 I 替换它们m 与表 1 保持一致。Soundex 将是最佳选择，因为并非所有名称在表 1 中都拼写正确。我有基本算法，但不知道该怎么做。帮助？

到目前为止，这就是我所拥有的：

最后一部分不完全工作，给我一个错误

错误：选择列表中的“Table1.CourseName”列无效，因为它既不包含在聚合函数中，也不包含在 GROUP BY 子句中。

更新：其中的一些名字CourseName也有数字。像有些是罗马和数字格式。也需要找到这些，但 Soundex 忽略了数字。

SQL SOUNDEX函数用于模糊字符串匹配时，有没有办法增加容错能力？我正在使用它来搜索供应商名称。我所拥有的是：

这在某种程度上有效，但我想稍微提高容错性。例如：

理想情况下，我希望所有这些示例都匹配。此外，一个小问题是当供应商名称由 2 个单词组成并且用户按第二个单词搜索时，这显然会起作用，因为行进取决于单词的第一个字母：

最初，我在 Web 应用程序中使用了一个模糊字符串比较库，该库使用了各种近似字符串比较算法，但事实证明，当 20 个人同时搜索 5000 多个供应商时，Web 服务器无法处理。我现在尝试在存储过程中执行此操作，以便数据库仅返回搜索结果，而不是要搜索的供应商的完整列表。

我正在尝试创建一个模糊逻辑来匹配类似的名字，如 rob 和 robert。这两个词的 SQL Soundex 函数提供了更大的差异，这没有用。是否有另一种方法来查找名称匹配。

我想使用MetaPhone、Double Metaphone、Caverphone、 MetaPhone3 、 SoundEx ，如果有人在“R”中使用过NameX函数，我可以对类似的值进行分类和总结，以在分析之前最大限度地减少数据清理操作。

我完全意识到每种算法都有自己的长处和短处，并且非常希望不使用 SoundEx，但如果我找不到替代方案，它仍然可以工作；正如这篇文章中提到的那样， Harper将与 SoundEx 下的任何不相关名称列表匹配，但不应在 Metaphone 中匹配以获得更好的结果匹配。

虽然我不确定哪个最能满足我的目的，同时仍然保留一些灵活性，所以这就是我想对其中几个进行尝试的原因，并且在查看值之前生成如下表。

表源链接

姓氏不是我最初分析的主题，但认为这是一个很好的例子，因为我想有效地考虑所有像“听起来”的词被视为相同的值，这实际上是我想要做的，在评估值时简单地调用某事.

我已经看过一些东西：

• 我知道可以使用RCpp编写和调用 C 包，甚至在 SE 上也有 SoundEx 的 C 解决方案，但我之前没有编写过 R 包，如果有更简单的方法可以避免重新发明轮子直接在 R 中执行还是存在具有该功能的包？
• 我知道RecordLinkage和现在的stringdist包有一个 SoundEx 函数，但没有任何形式的 MetaPhone 函数。

所以我特别寻找答案是如何在 R 中使用 MetaPhone / Caverphone 并知道“值”，以便我可以按它们对数据值进行分组？

额外的警告是我仍然认为我对 R 很陌生，因为我不是它的日常用户。

以下对我有用（搜索“测试”也返回带有“测试”的字段）： index : analysis : analyzer : default : type : snowball language : english 在我的 elasticsearch.yml 文件中设置时。

我想将它与我安装的 soundex 结合起来，所以我尝试了这个：

index : analysis : analyzer : default : type : custom tokenizer : standard filter : [standard, lowercase, soundex_filter, stemming] filter : soundex_filter : type : phonetic encoder : soundex replace : true stemming : type : snowball language : english

但没有成功，它们似乎都不起作用（没有词干或 soundex）

有人在组合过滤器方面取得了成功吗？

我有这些代码行，我试图查看我的数据库以获取 soundex 结果，但显然它没有返回任何结果。

它甚至不会在 MessageBox 上引发异常。

为了确保在我进行上述查询之前从我的数据库返回数据，我做了select * from table_name。

谢谢！

以下语句SOUNDEX在 SQL Server 2012 中返回不同的值，而在 SQL Server 2008 中生成相同的值：

有没有其他人在 SQL Server 2012 中遇到过这个问题并且知道如何解决它？