如何在子字符串级别生成同音字符？

Question

我想生成编程的单词同音字。意思是听起来类似于原始单词的单词。

我碰到过Soundex算法，但它只是用其他字符替换某些字符（如t而不是d）。是否有任何列表或算法有点复杂，至少意味着同音字子串？

重要的是，我想将它应用于不在字典中的单词，意味着它不能依赖整个真实的单词。

编辑：

输入是一个字符串，他们往往是命名实体，因此在没有真正的（同音字）词典。一个例子可能是谷歌或麦当劳（仅举两个流行的命名实体，但许多更不受欢迎）。

然后输出是该字符串的（随机）同音字。由于单词经常有多个同音字，所以单个（随机）单是我的目标。在谷歌的情况下，同音字可分别古格尔，麦当劳为麦当劳。

Answer 1

如何做到这一点是一个研究课题。例如参见http://www.inf.ufpr.br/didonet/articles/2014_FPSS.pdf。

但是，假设你想推出自己的。

第一步是弄清楚如何将给出的字母转换成它听起来像的表示。这是一个非常困难的问题，需要猜测。 （例如，什么声音“读取”了？取决于你是否要阅读，或者你已经阅读！）但是text to phonemes converter表明阿拉伯已经解决了这个英语。

接下来，您会希望对词典中的每个词都进行此操作。假设你可以用一个字来做，那只是一个脚本。

然后，你会希望它存储在一个数据结构中，你可以很容易地找到类似的声音。原则上与用于拼写自动更正的算法类型没有区别。只能用音素而不是字母。您可以通过http://norvig.com/spell-correct.html了解如何做到这一点。或尝试实施类似http://fastss.csg.uzh.ch/ifi-2007.02.pdf中所述的内容。

就是这样。