一种匹配阿拉伯姓名的混合算法
计算与语言
2013-09-24 v1
摘要
本文提出了一种新的混合算法，结合了基于词元（token-based）和基于字符（character-based）的方法。基本的 Levenshtein 方法被扩展为基于词元的距离度量。该距离度量经过增强，以设定算法适当的粒度级别行为。它平滑地映射了字符级别的拼写错误差异阈值，以及词元级别错误在词元位置和频率方面的重要性。利用大型阿拉伯语数据集进行的实验结果表明，所提出的算法成功克服了许多类型的错误，例如：印刷错误、中间名成分的遗漏或插入、非显著常用名成分的遗漏，以及不同书写风格的字符变体。当使用相同数据集与其他经典算法进行比较时，发现所提出的算法提高了最佳测试算法的最小成功率水平，同时实现了更高的上限。
引用
@article{arxiv.1309.5657,
title = {A Hybrid Algorithm for Matching Arabic Names},
author = {T. El-Shishtawy},
journal= {arXiv preprint arXiv:1309.5657},
year = {2013}
}