如何在子串级别生成同音字？

Question

我想以编程方式生成单词的同音字。含义，听起来与原始单词相似的单词。

我遇到过 Soundex 算法，但它只是将某些字符替换为其他字符（例如 t 而不是 d）。有没有更复杂一点的列表或算法，至少提供同音字子串？

重要提示：我想将此应用于字典中没有的单词，这意味着我不能依赖整个真实的单词。

编辑：

输入是一个字符串，通常是一个专有名称，因此没有标准（同音字）字典。 Google 或 McDonald's 就是一个例子（仅举出两个流行的命名实体，但很多都不受欢迎）。

然后输出是该字符串的（随机）同音字。由于单词通常有多个同音字，因此我的目标是单个（随机）一个。对于 Google，同音字可能是 gugel，或 MacDonald's 代表 McDonald's。

Answer 1

如何做好这是一个研究课题。参见例如http://www.inf.ufpr.br/didonet/articles/2014_FPSS.pdf。

但假设你想自己动手。

第一步是弄清楚如何将给你的字母转换成它听起来的样子。这是一个非常困难的问题，需要猜测。 （例如“阅读”发出什么声音？取决于您是要阅读，还是已经阅读！）但是text to phonemes converter 建议Arabet 已经为英语解决了这个问题。

接下来，您会希望对字典中的每个单词都执行此操作。假设你一个字就能做到，那只是一个脚本。

然后您会希望它存储在一个数据结构中，您可以在其中轻松找到相似的声音。原则上，这与用于拼写自动更正的算法类型没有区别。只有音素而不是字母。您可以通过http://norvig.com/spell-correct.html 了解如何做到这一点。或者尝试实现类似于http://fastss.csg.uzh.ch/ifi-2007.02.pdf 中描述的内容。

就是这样。