Soundex

Soundex は英語の名前を発音に基づいて 1 文字＋3 桁の数字に符号化する音韻アルゴリズムで、よく似た発音の名前に同じコードを与える。人名のあいまい検索に使われる。

目的

英語の発音で名前を符号化し、綴りが違っても発音が似ていればマッチできるようにする。

メカニズム

先頭文字を保持し、母音と h/w/y（a,e,i,o,u,h,w,y）を落とし、子音をグループごとに数字へ写像し（b,f,p,v→1、c,g,j,k,q,s,x,z→2、d,t→3、l→4、m,n→5、r→6）、隣接する同グループコードを崩し、0 で埋めて 3 桁にする。

ユースケース

人名データベースの検索
家系や系譜をたどる検索
スペル訂正
レコードの重複排除

例

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

よくあるエラー

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

関連用語

Metaphone は Soundex を改良した音声アルゴリズムである。子音の連結や黙字など、より多くの英語発音規則を考慮し、精度を高めている。

Levenshtein Distance

レーベンシュタイン距離は、二つの文字列を同一にするために必要な単一文字の挿入・削除・置換の最小回数である。

ファジーサーチ（Fuzzy Search）は、綴りの揺れに耐性を持つ検索技術であり、編集距離、n-gram、音声アルゴリズムなどに基づいて近似した結果を照合する。

References