Soundex

Soundex是一種語音算法，利用英文字的讀音計算近似值，值由四個字符構成，第一個字符為英文字母，後三個為數字。在拼音文字中有時會有會念但不能拼出正確字的情形，可用Soundex做類似模糊匹配的效果。例如Knuth和Kant二個字符串，它們的Soundex值都是「K530」。其在計算機科學家高德納名著《計算機程序設計藝術》都有詳細的介紹。

算法簡要說明[編輯]

第一步：保留第一個字母，去掉第一個字母之後的所有的a, e, i, o, u, y, h, w；

第二步：將英文字按以下規則替換（除第一個字符外）：

   b f p v -> 1
   c g j k q s x z -> 2
   d t -> 3
   l -> 4
   m n -> 5
   r -> 6

第三步：對於相鄰的重複的數字只保留一個，即相鄰的兩個被替換為同一個數字的字母只保留一個；例外，如果在第一步驟的時候，這兩個相同數字中間有母音隔開，則這兩個重複的數字都保留(例如Tynczak為T522非T520)。並且請注意，雖然第一個字母不用翻成數字，但如果其數字和第二個數字相同，仍須把第二個數字刪除。(例如Pfister為P236非P123，Honeyman是H555非H500)

第四步：保留第一個字母後的三位數字，若不足三位則以0補足。

實例：

單詞	Soundex
Knuth	K530
Kant	K530
Jarovski	J612
Resnik	R252
Reznick	R252
Euler	E460
Peterson	P362
Jefferson	J162

外部連結[編輯]

The Soundex Indexing System（頁面存檔備份，存於網際網路檔案館） (U.S. National Archives and Records Administration)