Přístup k hodnocení shody - Match rating approach - Wikipedia

The přístup k hodnocení shody (MRA) je a fonetický algoritmus vyvinutý uživatelem Western Airlines v roce 1977 pro indexaci a srovnání homofonní jména.[1]

Samotný algoritmus má jednoduchou sadu pravidel kódování, ale zdlouhavější sadu pravidel porovnávání. Hlavním mechanismem je srovnání podobnosti, které vypočítává počet nesrovnatelných znaků porovnáním řetězců zleva doprava a poté zprava doleva a odstranění stejných znaků. Tato hodnota se odečte od 6 a poté se porovná s minimální prahovou hodnotou. Minimální prahová hodnota je definována v tabulce A a je závislá na délce řetězců.

Zakódované jméno je známé (možná nesprávně) jako osobní číselný identifikátor (PNI). Zakódovaný název nesmí nikdy obsahovat více než 6 alfa pouze znaků.

Přístup k hodnocení shody funguje dobře u jmen obsahujících písmeno "y", na rozdíl od původní chuti NYSIIS algoritmus; například příjmení „Smith“ a „Smyth“ se úspěšně shodují. MRA však nefunguje dobře s kódovanými názvy, které se liší délkou o více než 2.

Pravidla kódování

  1. Odstraňte všechny samohlásky, pokud samohláska nezačne slovo
  2. Odstraňte druhou souhlásku ze všech přítomných dvojitých souhlásek
  3. Snižte kodex na 6 písmen spojením pouze prvních 3 a posledních 3 písmen

Pravidla srovnání

V této části slova „řetězec (y)“ a „jméno (jména)“ znamenají „kódovaný řetězec (y)“ a „kódovaný název (y)“.

  1. Pokud je rozdíl délek mezi kódovanými řetězci 3 nebo větší, neprovede se žádné srovnání podobnosti.
  2. Získejte minimální hodnotu hodnocení výpočtem součtu délek kódovaných řetězců a pomocí tabulky A.
  3. Zpracujte kódované řetězce zleva doprava a odstraňte všechny identické znaky nalezené v obou řetězcích.
  4. Zpracujte nepřizpůsobené znaky zprava doleva a odstraňte všechny identické znaky nalezené u obou jmen.
  5. Odečtěte počet nepřizpůsobených znaků od 6 v delším řetězci. Toto je hodnocení podobnosti.
  6. Pokud je hodnocení podobnosti stejné nebo větší než minimální hodnocení, pak je shoda považována za dobrou.

Minimální práh

Následující tabulka ukazuje mapování mezi minimálním hodnocením a délkou řetězce.

Tabulka A
Součet délekMinimální hodnocení
≤ 45
4 4
7 3
= 122

Příklady přístupu k hodnocení shody

Tabulka níže zobrazuje výstup algoritmu přístupu k hodnocení shody pro některá běžná homofonní jména.

názevKodex MRAMinimální hodnoceníHodnocení srovnání podobnosti
ByrneBYRN45
BoernBRN
KovářSMTH35
SmythSMYTH
KateřinaCTHRN34
KathrynKTHRYN

Viz také

Soundex

Reference

  1. ^ Moore, GB; Kuhns, J.L .; Treffzs, J.L .; Montgomery, C A. (1. února 1977). Přístup k jednotlivým záznamům ze souborů osobních údajů pomocí jedinečných identifikátorů. US National Institute of Standards and Technology. str. 17. NIST SP - 500-2. Shrnutí ležel.

externí odkazy