Phonetisch ähnlich klingende Wörter

[Furtbichler]

Mir fallen da auf Anhieb zwei Ansätze ein:
Ähnlichkeitssuche (string metric)
Levenshtein-Distanz,
Jaccard-Index
Jaro-Winkler
...
und Phonetische Suche
Kölner Phonetik
Metaphone

Soundex ist übrigens für die deutsche Sprache weniger geeignet. Warum dieses Verfahren immer wieder erwähnt wird, ist mir ein Rätsel. Ich habe noch nie sinnvolle Ergebnisse mit Soundex bekommen. Mein Favorit bei der Ähnlichkeitssuche ist Jaro-Winkler (allerdings eine tokenbasierte Variante), bei den phonetischen ist Metaphone-2 (V3 ist kostenpflichtig) sehr gut, da der Algorithmus nicht nur für die deutsche Sprache geeignet ist.

Probleme gibt es fast immer bei kurzen Wörtern, denn ist 'Wut' und 'Gut' ähnlich? immerhin stimmen nur nur 66% der Buchstaben überein.

[anro78]

Ich benutze die Kölner Phonetik für die Ähnlichkeitssuche. Anschließend wende ich die Damerau-Levenshtein-Distanz auf die Suchergebnisse an, in dem ich mit dem Suchbegriff vergleiche, um ein Ranking nach Relevanz zu erreichen. Klappt ganz gut.

Mir war bei der Auswahl der Algorithmen wichtig, dass keine phonetisch ähnlich klingenden Begriffe fälschlicherweise ausgeschlossen werden, weshalb ich auf den Einsatz eines zu selektiven Algorithmus wie Phonet verzichtet habe.

[Popov]

Bedingt durch einen aktuellen Beitrag habe ich mir die StrUtils Unit genauer angeguckt und paar Funktionen zu SoundEx darin entdeckt. Gut dass ich sich das entdeckt habe, da ich kurz davor war es selbst zu programmieren (zumindest habe ich schon Material zusammengesucht). Da ich das nur für Namen brauche, reicht es.

Falls einer auch danach sucht...

Delphi-Quellcode:

uses
  StrUtils;

procedure TForm1.Button1Click(Sender: TObject);
const
  Vergleich: array[Boolean] of String = ('nicht ähnlich', 'ähnlich');
var
  s1, s2: String;
begin
  s1 := 'Maier';
  s2 := 'Müller';
  ShowMessage(Format('%s und %s sind %s', [s1, s2, Vergleich[SoundExSimilar(s1, s2)]]));

  s1 := 'Maier';
  s2 := 'Mayer';
  ShowMessage(Format('%s und %s sind %s', [s1, s2, Vergleich[SoundExSimilar(s1, s2)]]));

  s1 := 'Maier';
  s2 := 'Meyer';
  ShowMessage(Format('%s und %s sind %s', [s1, s2, Vergleich[SoundExSimilar(s1, s2)]]));

  s1 := 'Karl-Heinz';
  s2 := 'Karlheiz';
  ShowMessage(Format('%s und %s sind %s', [s1, s2, Vergleich[SoundExSimilar(s1, s2)]]));

  //aber auch...
  s1 := 'Britney Spears';
  s2 := 'Britney Superzicke';
  ShowMessage(Format('%s und %s sind %s', [s1, s2, Vergleich[SoundExSimilar(s1, s2)]]));
end;

[Furtbichler]

Und was ist mit 'Halmackenreuther' und 'Zalmackenreuther' (Hupsa, nur den ersten Buchstaben vertippselt)

[Popov]

Naja, bitte nicht missverstehen, SoundEx scheint alt zu sein und natürlich gibt es inzwischen genauere Algorithmen, aber darum geht es weniger, bzw. wer es genauer braucht, der kann etwas genaueres nehmen, aber das SoundEx ist kostenlos bei, und es hat seine Treffer. Und wer 'Zalmackenreuther' statt 'Halmackenreuther' schreibt, nun ja...