如何在给定一个输入单词的情况下生成发音相似的单词列表？

Question

当您在 Google 中拼错一个单词（例如“appples”）时，它会为您提供现在熟悉的“您的意思是：apples”建议。

排除 Google 根据搜索结果的相关性猜测您的意图的能力，我怎样才能开发出听起来相同的单词列表？

单词不必是英语，也不必存在。因此，例如，如果我输入“hole”，我会返回一个列表，其中包含以下单词：“whole”“hola”“whore”“role”“molar”等......

我猜网上可能有一些东西可以开发这个列表，但我找不到任何东西。如果没有站点并且可以使用 Perl 完成，是否有 CPAN 模块可以帮助我做到这一点？

Answer 1

如果您真的在寻找发音相同的单词，而不仅仅是搜索建议 - 您可以查看语音算法。 Soundex 和 Metaphone/Double Metaphone 是两个非常常见的，并且每个都有任何流行语言的实现。

这些算法将单词简化为表示其发音的“键”。如果你从一个词库开始并构建一个数据结构，将这些键映射到对它们求值的词——你可以取一个任意字符串，将其求值到它的“键”，然后查找其他求值相同的词键入您的数据结构（可能是列表或类似的哈希表）。

这并不完美，因为您需要找到大量的词库来为您的数据集播种，但它会起作用。

另一方面，如果您只是想要搜索建议/替代拼写，则可以使用更简单的方法。

希望对您有所帮助。

Answer 2

您可以从了解模块 Text::Soundex 开始。这是一个简单的算法，将单词映射到 4 字节代码。很久以前，我从 Sedgewick（前 Knuth）获得了 Soundex，用它来生成更长的密钥（未截断）并建议了 0 和 1 字母替换的更正列表。我将此应用于人口普查和邮政数据的大型数据库。