php - Metaphone vs Levenshtein vs Soundex vs Hamming

Question

<分区>

Answer 1

SOUNDEX() 是 20 世纪初的一种简单算法，旨在帮助查找美式英语中的专有名词。它是为 Bell System 目录服务运算符(operator)构建的。它旨在产生大量误报，人类可以从中选择可能的命中。它可能不适合您的目的，因为您的话大多不是专有名词。

变音位和双变音位是对 SOUNDEX 的改进。他们研究更多种类的词。

这些方法最好逐字逐句，而不是像歌曲名称这样的短语。如果您实现这些中的任何一个，您将需要实现逐字匹配和某种评分方案。好消息是这些适用于索引，并根据单词的发音工作。

Levenshtein 距离适用于单词或短语，适用于拼写而不是声音。它不适合索引搜索，因为这些距离成对工作。根据我的经验，对 Levenshtein 距离进行评分是很棘手的，因为与其他长短语相比，较长的短语与其他长短语的区别方式比短短语多得多。

在尝试使用这些原始算法构建模糊搜索之前，您可以尝试使用 MySQL FULLTEXT 搜索和 Sphinx。这两种技术都可以很好地处理短语评分和停用词。 Sphinx 还支持同义词表，这有助于处理常见的拼写错误。