名称中的纠错

Question

我正在尝试设计一种在名称中执行纠错的算法。我的方法是建立一个具有正确名称的数据库，计算每个名称与输入的名称之间的编辑距离，然后建议最接近的5或10个。

这项任务与标准的单词纠错有很大不同，因为有些名称可能会被首字母替换。例如，"Jonathan Smith“和"J. Smith”实际上非常接近，可以很容易地被认为是相同的名字，所以编辑距离应该非常小，如果不是0的话。另一个挑战是，有些名字可能写得不同，但听起来却是一样的。例如，Shnaider和Schneider是由不同地区的人编写的同名版本(我想还有更好的例子)。还有另一种情况-想象一下在编写Jawaharlal Nehru时可能出现的所有错误，其中大多数与真实姓名无关。同样，它们中的大多数可能在语音上是相似的。

显然，Lucene的纠错算法在这里帮不了我，因为它不能处理上述情况。

所以我的问题是:你知道有没有能够在名字中进行纠错的库？你能提出一些处理上述情况的算法吗？

我对c++或java中的库很感兴趣。至于算法建议，任何语言或伪代码都可以。

Answer 1

有关语音匹配的信息，请参阅Soundex。

我认为修改Levenshtein距离算法，将“缩写为初始”和“从初始扩展”作为单距离编辑应该是直接的，但细节目前超出了我的能力范围。

Answer 2

你也可以看看Metaphone。