Caverphone - Caverphone

В Caverphone это алгоритм фонетического сопоставления[1][2] изобрели, чтобы идентифицировать английские имена по их звукам, изначально были созданы для обработки пользовательского набора данных между 1893 и 1938 годами на юге Данидин, Новая Зеландия.[3] Начал с той же концепции, что и метафон, с тех пор он был разработан для поддержки и обработки общего английского языка.[3]

Этимология

Caverphone был создан Дэвидом Худом в Caversham Project на Университет Отаго в Новая Зеландия в 2002 году, пересмотрен в 2004 году. Он был создан для помощи в сопоставлении данных между списками избирателей конца 19-го и начала 20-го веков, где имя должно было быть только в «общепризнанной форме». Алгоритм был предназначен для применения к тем именам, которые нельзя было легко сопоставить в списках избирателей после того, как точные совпадения были удалены из пула потенциальных совпадений. Алгоритм оптимизирован для акцентов, присутствующих в исследуемой территории (южная часть г. Данидин, Новая Зеландия).

Процедура

Caverphone 1.0

Правила алгоритма применяются последовательно к любому конкретному имени в виде серии замен.

Алгоритм следующий:

  1. Преобразовать в строчная буква
  2. Удалить ничего не А-Я
  3. Если имя начинается с ...
    1. кашель, замените его на cou2f
    2. грубый, замените его на rou2f
    3. жесткий, замените его на tou2f
    4. довольно, замените его на enou2f
    5. gn, замените его на 2n
  4. Если имя заканчивается на
    1. мб, замените его на m2
  5. Заменять
    1. cq с 2кв.
    2. ci с си
    3. ce с se
    4. Сай с сы
    5. tch с 2 канала
    6. c с k
    7. q с k
    8. Икс с k
    9. v с ж
    10. dg с 2 г
    11. тио с sio
    12. тиа с sia
    13. d с т
    14. ph с fh
    15. б с п
    16. ш с s2
    17. z с s
    18. любой начальный гласный с А
    19. все остальные гласные с 3
    20. 3gh3 с 3х3
    21. gh с 22
    22. грамм с k
    23. группы письма s с S
    24. группы письма т с Т
    25. группы письма п с п
    26. группы письма k с K
    27. группы письма ж с F
    28. группы письма м с M
    29. группы письма п с N
    30. w3 с W3
    31. wy с Wy
    32. wh3 с Wh3
    33. Почему с Почему
    34. ш с 2
    35. любой начальный час с А
    36. все другие случаи появления час с 2
    37. r3 с R3
    38. ry с Ry
    39. р с 2
    40. l3 с L3
    41. лы с Ly
    42. л с 2
    43. j с у
    44. y3 с Y3
    45. у с 2
  6. удалить все
    1. 2
    2. 3
  7. положить шесть 1 в конце
  8. взять первые шесть символов как код

Caverphone 2.0

  1. Начни со слова
  2. Преобразовать в нижний регистр
  3. Удалите все, что не входит в стандартный алфавит (обычно а-я)[примечание 1]
  4. Удалить финал е
  5. Если имя начинается с
    1. кашель сделай это cou2f
    2. грубый сделай это rou2f
    3. жесткий сделай это tou2f
    4. довольно сделай это enou2f
    5. впадина сделай это Trou2f
    6. gn сделай это 2n
  6. Если имя заканчивается на
    1. мб сделай это m2
  7. Заменять
    1. cq с 2кв.
    2. ci с си
    3. ce с se
    4. Сай с сы
    5. tch с 2 канала
    6. c с k
    7. q с k
    8. Икс с k
    9. v с ж
    10. dg с 2 г
    11. тио с sio
    12. тиа с sia
    13. d с т
    14. ph с fh
    15. б с п
    16. ш с s2
    17. z с s
    18. начальный гласный[заметка 2] с А
    19. все остальные гласные с 3
    20. j с у
    21. начальный y3 с Y3
    22. начальный у с А
    23. у с 3
    24. 3gh3 с 3х3
    25. gh с 22
    26. грамм с k
    27. группы письма s с S
    28. группы письма т с Т
    29. группы письма п с п
    30. группы письма k с K
    31. группы письма ж с F
    32. группы письма м с M
    33. группы письма п с N
    34. w3 с W3
    35. wh3 с Wh3
    36. если имя заканчивается на ш заменить последний ш с 3
    37. ш с 2
    38. начальный час с А
    39. все другие случаи появления час с 2
    40. r3 с R3
    41. если имя заканчивается на р заменить последний р с 3
    42. р с 2
    43. l3 с L3
    44. если имя заканчивается на л заменить последний л с 3
    45. л с 2
  8. удалить все 2s
  9. если имя оканчивается на 3, замените последний 3 с А
  10. удалить все 3s
  11. положить десять 1с в конце
  12. взять первые десять персонажей как код
  1. ^ Это может отличаться, если набор букв включает такие символы, как æ, ā, или же ø
  2. ^ Гласные обычно - это a, e, i, o, u, но в зависимости от данных могут включать такие символы, как, ā или ø.

Примеры

Caverphone 1.0

Ли -> лили -> l33l33 -> L33L33 -> LL -> L111111L111111 -> L11111
Томпсон -> thompsonthompson -> th3mps3nth3mps3n -> th3mpS3nth3mpS3n -> Th3mpS3nTh3mpS3n -> Th3mPS3nTh3mPS3n -> Th3MPS3nTh3MPS3n -> Th3MPS3NTh3MMNTM11 -> Th3MPS3NTh3MMNTM3NTM -> Th3MPS3NTh3MMNTM3NTM

Caverphone 2.0

Lee -> leelee -> lele -> l3l3 -> L3L3 -> LALA -> LA1111111111LA1111111111 -> LA11111111
Томпсон -> thompsonthompson -> th3mps3nth3mps3n -> th3mpS3nth3mpS3n -> Th3mpS3nTh3mpS3n -> Th3mPS3nTh3mPS3n -> Th3MPS3nTh3MPS3n -> Th3MPS3NTh3MMPS3n11 -> Th3MPS3NTh3MMPS3N113 -> Th3MPS3NTh3MMNTM111

Смотрите также

Рекомендации

  1. ^ Милетта, Грег; Страуд, Адам (18 мая 2012 г.). Программирование профессионального датчика Android. Джон Вили и сыновья. С. 421–. ISBN  9781118240458. Получено 19 февраля 2013.
  2. ^ Фуа, Клифтон; Ли, Винсент; Смит, Кейт (2006). «Проблема личного имени и рекомендуемое решение для интеллектуального анализа данных». Энциклопедия хранилищ данных и майнинга. CiteSeerX  10.1.1.127.5111.
  3. ^ а б "Каверфон". Национальный институт стандартов и технологий. Получено 2018-08-20.

внешняя ссылка