Die Ähnlichkeit eines Strings messen?

[Dragon27]

Hallo,

habt Ihr eine Idee, wie man messen kann wie ähnlich sich ein Sring ist. Also zum Beispiel:

Hallo ie geht es dir?
Hallo wie geht es dir?

Hier also 95 % ähnlich.

Leider habe ich über die Suche nichts gefunden zu diesem Thema.

Danke für Eure Hilfe!

[quendolineDD]

Du hast doch schon den mathematischen Lösungsweg gefunden.
Nun setze diesen einfach informatisch um, und du hast deine eigene Antwort gefunden.

Lg

[DeddyH]

Spontan fällt mir das SoundEx ein, das gibt es AFAIR in verschiedenen Ausprägungen. Ein Blick in die Hilfe sollte da weiterhelfen.

[Namenloser]

Die Levenshtein-Distanz wäre hier ein guter Ansatz.

[Dragon27]

Danke für die schnelle Antworten!

Zitat:

Zitat von NamenLozer

Die Levenshtein-Distanz wäre hier ein guter Ansatz.

Ja das sieht gut aus! Aber ich glaube an der Umsetzung würde es scheitern. Ich wüsste nicht wie ich das in einen schnellen Delphicode packen soll.

Gibt es da nicht ein paar Codebeispiele?

Danke!

[Hawkeye219]

Hallo,

bei deiner Delphi-Version wäre es wohl am einfachsten, die Soundex-Routinen der Unit StrUtils zu nutzen. Eine Levenshtein-Implementierung findest du in der CodeLib.

Gruß Hawkeye

[mkinzler]

Ja die Suche nach Levenshtein leifert z.B.
http://www.delphipraxis.net/internal...ct.php?t=89364

[Dragon27]

Hallo,

danke für die vielen Antworten. Also den Levenshtein-Algo. habe ich mir durchgesehen. Sieht sehr sehr gut aus!
Trotzdem wollte ich auch noch wissen für was genau das SoundEX ist. Ich bekomme da einen String zurückgeliefert
der bei "Hallo" so aussieht: "H400" aber bei "hallo" kommt ebenfalls "H400".

Nun würde ich gerne verstehen wie man den Befehl SoundEx genau verwendet bzw. welche genauer von den beiden
Varianten ist.

Danke!

[Meflin]

Zitat:

Zitat von Dragon27

Nun würde ich gerne verstehen wie man den Befehl SoundEx genau verwendet bzw. welche genauer von den beiden
Varianten ist.

Hier wird z.B. erklärt wie der Algorithmus funktioniert:
http://de.wikipedia.org/wiki/Soundex ;)

[quendolineDD]

Zitat:

Hinsichtlich des zweiten Kritikpunktes, der nur groben Analyse, hat sich in letzter Zeit das folgende Beispiel etabliert: Gemäß dem „soundex“-Verfahren sind die Begriffe „Britney Spears“ und „bewährten Superzicke“ phonetisch identisch:

Britney => BRTN => B635,
Spears => SPRS => S162,
bewährten => BRTN => B635,
Superzicke => SPRZCK => S16222 => S162.

Ist natürlich ein sehr gutes kritisches Beispiel :D
Also ich würde an deiner Stelle eher die Levenshtein-Distanz nehmen ...

[Dragon27]

Also danke für Eure Antworten! Ich werde mal versuchen ob ich etwas zusammenzimmern kann was beider hernimmt ;-)

[Namenloser]

Zitat:

Zitat von quendolineDD

Zitat:

Hinsichtlich des zweiten Kritikpunktes, der nur groben Analyse, hat sich in letzter Zeit das folgende Beispiel etabliert: Gemäß dem „soundex“-Verfahren sind die Begriffe „Britney Spears“ und „bewährten Superzicke“ phonetisch identisch:

Britney => BRTN => B635,
Spears => SPRS => S162,
bewährten => BRTN => B635,
Superzicke => SPRZCK => S16222 => S162.

Ist natürlich ein sehr gutes kritisches Beispiel :D
Also ich würde an deiner Stelle eher die Levenshtein-Distanz nehmen ...

Wieso, das spricht doch für SoundEx :mrgreen:

[Teekeks]

Und wiedermal siet man das Soundex recht hat :mrgreen: :mrgreen:

[KingIR]

Zitat:

Zitat von mkinzler

Ja die Suche nach Levenshtein leifert z.B.
http://www.delphipraxis.net/internal...ct.php?t=89364

Der Thread tut ja in sämtlichen Gehirnwindungen weh. :?

Google, mit Levenshtein Delphi gefüttert, liefert hingegen ein paar ganz gute Ansätze für eine eigene Implementierung. Zum Beispiel: http://www.koders.com/delphi/fid54DC...spx?s=download (unbekannte Lizenz).

[omata]

Hier ist auch noch eine andere Variante.

[sx2008]

Also ich finde SoundEx ungeeignet für deutsche Sprache und Eigennamen.
Eigentlich ist der Algorithmus ziemlicher Schrott, denn er produziert jede Menge Fehler:
http://de.wikipedia.org/wiki/Soundex..._dem_Verfahren

Soundex ist untolerant gegenüber Fehler im 1. Buchstaben:
"Fehlerbeschreibung" und "ehlerbeschreibung" sind zwei sehr ähnliche Worte (Tippfehler im 2. Wort);
trotzdem haben sie andere Soudex Codes.
Allein schon die Idee, dass Wörter ähnlich klingen müssen um als gleich bewertet zu werden ist ungeeignet.
Fehler bei der Schreibweise kommen doch viel eher durch Fehler beim Tippen (Buchstabendreher, falsches Zeichen, fehlendes Zeichen) als durch Hörfehler bei der mündlichen Übermittlung zustande.

Ich kann wirklich nur von Soundex abraten und Levensthein empfehlen.

[alzaimar]

Leider vergisst Du bei dener Pauschalkritik den Einsatzbereich von Algorithmen zur Bestimmung der Ähnlichkeit: Sollen Schreibfehler, Tippfehler, Buchstabendreher erkannt, oder vielmehr die Aussprache verglichen werden? Grundsätzlich gebe ich Dir jedoch Recht, denn ich habe bisher auch keinen sinnvollen Einsatz für den Soundex alleine gesehen: In Kombination mit anderen Verfahren ist er jedoch geeignet, die Ähnlichkeit zweier Wörter zu beurteilen: Levenshtein z.B. ignoriert die phonetische Ähnlichkeit völlig: Für ihn ist 'KALT fast gleich KULT' aber 'BALD <> KALT'. Hier ist Soundex besser. Daneben gibt es noch andere Verfahren, die z.B. ein Wort zunächst in ihre Phoneme überführt und dann eine Ähnlichkeitssuche durchführt.

Weitergehende Informationen gibt es z.B. hier

[HeinzJ]

Hier eine Levenstein Komponente:

http://www.h-j-luecking.de/wiki/Einf...nstein_Distanz

HeinzJ