Soundex

Soundex es un algoritmo fonético que codifica los nombres en inglés por su pronunciación como una letra más tres dígitos, dando a los nombres de sonido similar el mismo código; se usa para la recuperación difusa de nombres de personas.

Propósito

Codifica los nombres según la pronunciación inglesa para que nombres escritos distinto pero pronunciados parecido coincidan.

Mecanismo

Conservar la primera letra + eliminar las vocales y h/w/y (a,e,i,o,u,h,w,y) + mapear las consonantes a dígitos por grupo (b,f,p,v→1; c,g,j,k,q,s,x,z→2; d,t→3; l→4; m,n→5; r→6) + colapsar códigos adyacentes del mismo grupo + rellenar con ceros hasta 3 dígitos.

Casos de uso

Búsqueda en bases de datos de nombres
Búsqueda genealógica
Corrección ortográfica
Deduplicación de registros

Ejemplos

entrada
```
Robert
```
Output
```
R163
```
Robert and Rupert share the same code

Errores comunes

Soundex suits English only; other languages need adjustments: Use a language-specific phonetic algorithm

Términos relacionados

Metaphone es un algoritmo fonético mejorado respecto a Soundex que considera más reglas de pronunciación del inglés (p. ej., combinaciones de consonantes y letras mudas), logrando mayor precisión.

Levenshtein Distance

La distancia de Levenshtein es el número mínimo de inserciones, eliminaciones y sustituciones de un solo carácter necesarias para hacer idénticas dos cadenas.

La búsqueda difusa es una técnica de búsqueda tolerante a variaciones ortográficas que empareja resultados aproximados basándose en distancia de edición, n-gramas o algoritmos fonéticos.

References