基于语音算法 Metaphone 的高度专业化术语索引优化技术实现
计算与语言
2019-11-04 v1
摘要
在编制数据库时，例如为满足医疗机构的需求，医生和患者姓名与姓氏的录入及后续处理在发音和书写上高度专业化，这是一个相当常见的问题。这是因为人的姓名与姓氏不可能唯一，其记法不受任何语音规则约束，且其在不同语言中的长度可能不一致。随着互联网的出现，这一情况变得普遍严峻，并可能导致同一地址被重复发送多封电子邮件。可通过使用用于比较词的语音算法 Daitch-Mokotoff、Soundex、NYSIIS、Polyphone 和 Metaphone，以及 Levenshtein 和 Jaro 算法、基于 Q-gram 的算法来解决所述问题，这些算法可求得词间距离。其中应用最广的是 Soundex 和 Metaphone 算法，它们旨在基于词的发音并考虑发音规则对词进行索引。通过应用 Metaphone 算法，尝试优化模糊匹配任务的语音搜索过程，例如在各数据库与登记处的去重中，以减少姓氏错误录入的数量。对最常见姓氏的分析表明，其中部分源自乌克兰或俄罗斯。同时，姓名在乌克兰语等语言中的发音与书写规则与英语基本算法截然不同，且与俄语差异也相当显著。因此，语音算法应首先考虑乌克兰姓氏构成的特殊性，这在当前具有特殊现实意义。
引用
@article{arxiv.1911.00152,
title = {Implementation of an Index Optimize Technology for Highly Specialized Terms based on the Phonetic Algorithm Metaphone},
author = {V. Buriachok and M. Hadzhyiev and V. Sokolov and P. Skladannyi and L. Kuzmenko},
journal= {arXiv preprint arXiv:1911.00152},
year = {2019}
}