实现语音搜索的最有效方法

Question

在C++和/或Java中实现语音搜索的最有效方法是什么？通过语音搜索，我指的是替换发音相似的元音或辅音。这对于名字特别有用，因为有时人们的名字有一些奇怪的拼写。

我在想，用元音和一些辅音代替可能是有效的。也可以包括一些特殊的情况，如末尾不发音的E或F和PH。在C++中使用cstring或string是最好的吗？是在内存中存储替换值的副本还是在每次查找时调用函数更好？

Answer 1

Soundex及其变种是这方面的标准算法。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分组在一起。

至于实现搜索，我将使用一个数据结构，它将每个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)，查找可以在不同soundex代码的数量的对数上为常数的时间完成。

我不确定你所说的cstring到底是什么意思(微软的CString?)但是标准的std::string类可以很好地解决这个问题，并且是我的首选。

Answer 2

除了Soundex之外，你还会发现变音素或双变音素语音算法，这似乎是对英语发音的改进，是一个相当新的算法。

对于德语发音，我使用"Kölner Phonetik“。

Apache Commons Codec为您提供了这些基本算法(Soundex，Metaphone，...)的一个非常简单的Java实现。例如，请参阅soundex的 http://commons.apache.org/codec/：http://commons.apache.org/codec/apidocs/org/apache/commons/codec/language/Soundex.html

只需键入以下代码即可输入字符串的拼音值：

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，并比较拼音值。如果你正在比较两个字符串，请看下面的帖子，因为equals()方法只是黑白的，也许你想知道它匹配了多少%：

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