Metaphone 算法的意外结果

Question

我正在对 Java 中的不同单词使用语音匹配。我使用了 Soundex，但它太粗糙了。我切换到 Metaphone 并意识到它更好。但是，当我严格测试它时。我发现了奇怪的行为。我想问一下变音器是这样工作的，还是我用错了。在以下示例中，它的工作正常：-

Metaphone meta = new Metaphone();
if (meta.isMetaphoneEqual("cricket","criket")) System.out.prinlnt("Match 1");
if (meta.isMetaphoneEqual("cricket","criketgame")) System.out.prinlnt("Match 2");

这将打印

  Match 1
  Mathc 2

现在“cricket”听起来确实像“criket”，但“cricket”和“criketgame”怎么会是一样的。如果有人会解释这一点。这会有很大帮助。

Answer 1

您的用法有点不正确。对编码字符串和默认最大代码长度的快速调查表明它是 4，这会截断较长的“criketgame”的结尾：

System.out.println(meta.getMaxCodeLen());
System.out.println(meta.encode("cricket"));
System.out.println(meta.encode("criket"));
System.out.println(meta.encode("criketgame"));

输出（注意“criketgame”从“KRKTKM”截断为“KRKT”，匹配“cricket”）：

4 韩国电信 韩国电信 韩国电信

---

解决方案：将最大代码长度设置为适合您的应用程序和预期输入的值。 例如：

meta.setMaxCodeLen(8);
System.out.println(meta.encode("cricket"));
System.out.println(meta.encode("criket"));
System.out.println(meta.encode("criketgame"));

现在输出：

韩国电信 韩国电信 KRKTKM

现在您的原始测试给出了预期的结果：

Metaphone meta = new Metaphone();
meta.setMaxCodeLen(8);
System.out.println(meta.isMetaphoneEqual("cricket","criket"));
System.out.println(meta.isMetaphoneEqual("cricket","criketgame"));

印刷：

真的 错误的

顺便说一句，您可能还想尝试DoubleMetaphone，这是算法的改进版本。

---

顺便说一下，请注意the documentation 关于线程安全的警告：

实例字段maxCodeLen 是可变的但不是易失的，并且访问不同步。如果类的实例在线程之间共享，则调用者需要确保使用适当的同步来确保线程之间的值的安全发布，并且在初始设置后不得调用setMaxCodeLen(int)。