Kolínská fonetika - Cologne phonetics

TřídaFonetický algoritmus
Nejhorší případ výkonNA)
Nejlepší případ výkonNA)
Průměrný výkonNA)
Nejhorší případ složitost prostoruNA)

Kolínská fonetika (také Kölner Phonetik, kolínský proces) je a fonetický algoritmus který přiřadí slovům posloupnost číslic, fonetický kód. Cílem tohoto postupu je, aby identicky znějící slova měla přiřazený stejný kód. Algoritmus lze použít k provedení hledání podobnosti mezi slovy. Například je možné v seznamu jmen najít položky jako „Meier“ pod různým hláskováním, například „Maier“, „Mayer“ nebo „Mayr“. Kolínská fonetika souvisí s dobře známým Soundex fonetický algoritmus, ale je optimalizován tak, aby odpovídal německému jazyku. Algoritmus publikoval v roce 1969 Hans Joachim Postel.

Metoda

Kolínská fonetika spojuje každé písmeno slova s ​​číslicí mezi „0“ a „8“. Pro výběr příslušné číslice se jako kontext použije maximálně jedno sousední písmeno. Některá pravidla platí konkrétně pro iniciály slov. Tímto způsobem se předpokládá, že podobným zvukům bude přiřazen stejný kód. Například písmena „W“ a „V“ jsou kódována číslem „3“. Fonetický kód pro „Wikipedia“ je „3412“ (W = 3, K = 4, P = 1 a D = 2). Na rozdíl od kódu Soundex není délka kódů z kolínské fonetické metody omezena.

Postup

DopisKontextKód
A, E, I, J, O, U, Y0
H-
B1
Pne dříve H
D, Tne dříve C, S, Z2
F, V, W3
Ppřed H
G, K, Q4
Cv počátečním zvuku před A, H, K, L, O, Q, R, U, X
před A, H, K, O, Q, U, X kromě po S, Z
Xne po C, K, Q48
L5
M, N6
R7
S, Z8
Cpo S, Z
v počáteční poloze kromě před A, H, K, L, O, Q, R, U, X
ne dříve A, H, K, O, Q, U, X
D, Tpřed C, S, Z
Xpo C, K, Q

To, že u písmene "C" má pravidlo "SC" přednost před pravidlem "CH", bylo vzato v úvahu přidáním "kromě po S, Z" v řádku 10 tabulky. To není v původní publikaci výslovně zmíněno, ale lze to odvodit z zde uvedených příkladů, např. pro „Breschnew“ je uveden kód „17863“.

Malá písmena jsou odpovídajícím způsobem kódována; všechny ostatní znaky (například pomlčky) jsou ignorovány. Pro přehlásky Ä, Ö, Ü, stejně jako ß, které nejsou zohledněny v převodní tabulce, se navrhuje, aby byly přiřazeny k samohláskám (kód „0“) odpovídajícím skupině S, Z (kód „ 8 ").

Zpracování slova probíhá ve třech krocích:

  1. Zakódujte písmeno po písmenu zleva doprava podle převodní tabulky.
  2. Odstraňte všechny číslice vyskytující se více než jednou vedle sebe.
  3. Odstraňte veškerý kód „0“ kromě začátku.

Příklad

Název Müller-Lüdenscheidt bude kódováno takto:

  1. Zakódujte každé písmeno: 60550750206880022
  2. Sbalení všech několika po sobě jdoucích číslic kódu: 6050750206802
  3. Odstraňte všechny číslice „0“: 65752682

Literatura

Hans Joachim Postel: Die Kölner Phonetik. Ein Verfahren zur Identifizierung von Personennamen auf der Grundlage der Gestaltanalyse. in: IBM-Nachrichten, 19. Jahrgang, 1969, S. 925-931.

Viz také

externí odkazy