基于规则和词典的解决方案：应对社交网络、大数据、会计系统及大型数据库中阿拉伯姓名的书写变体
数据库
2015-02-20 v1 计算与语言
信息检索
摘要
本文研究了一些阿拉伯姓名可以有多种书写方式的问题。当用户仅搜索姓名的某一种形式时，精确匹配和近似匹配都不适合返回该姓名的多种变体。精确匹配要求用户输入姓名的所有形式进行搜索，而近似匹配则会返回不属于所寻姓名变体的其他姓名。在本文中，我们尝试通过建立一个将所有阿拉伯姓名映射到其不同（替代）书写形式的词典来解决这一问题。我们基于从审查约 990 万约旦公民和前公民的名字中推导出的规则生成了替代形式。该词典既可用于在向数据库插入新姓名时标准化书写形式，也可用于搜索姓名及其所有替代书写形式。基于规则自动创建词典导致了至少 7% 的错误接受误差和 7.9% 的错误拒绝误差。我们通过手动编辑词典解决了这些误差。该词典有助于现实世界的数据库，但需注意手动编辑并不能保证 100% 的正确性。
引用
@article{arxiv.1502.05441,
title = {Rule-and Dictionary-based Solution for Variations in Written Arabic Names in Social Networks, Big Data, Accounting Systems and Large Databases},
author = {Ahmad B. A. Hassanat and Ghada Awad Altarawneh},
journal= {arXiv preprint arXiv:1502.05441},
year = {2015}
}