如何决定在 Elasticsearch“语音令牌过滤器”中为哪种语言使用哪个编码器？

Question

我在 Elasticsearch 中使用了带有“语音标记过滤器”的 Metaphone 和 soundex 编码器。

Metaphone 适合英语单词。

Soundex 适用于 English 以及 Hindi 可能还有许多其他语言。

我想知道哪些编码器最适合印地语以及其他印度语言（如果可能）？

• Soundex
• 变音器
• double_metaphone
• refined_soundex
• caverphone1 - 英语（新西兰本地化）
• caverphone2 - 英语（新西兰本地化）
• 科隆 - 德语
• nysiis - 即兴的 Soundex
• koelnerphonetik - 德语
• haasephonetik - 德语
• beider_morse - 英语和多种欧洲语言
• daitch_mokotoff - 斯拉夫和意第绪语姓氏

因为这没有在Elasticsearch website 上列出，我们应该为哪种语言选择哪种编码器。

还请告诉我您已经使用了哪些编码器以及用于哪种语言。

Answer 1

语音编码器是通过发音来索引单词的算法。

维基百科上对此进行了解释

1. Metaphone、Double Metaphone 和 Metaphone 3 ：适用于大多数英语单词，而不仅仅是名称。变音位算法是 许多流行的拼写检查器的基础。双重变位机 语音编码算法是这个的第二代 算法。
2. Soundex：用于对姓氏进行编码以用于人口普查。 Soundex 代码是由四个字符组成的字符串 单个字母后跟三个数字。
3. Daitch–Mokotoff Soundex：这是对 Soundex 的改进，旨在更好地匹配斯拉夫和日耳曼血统的姓氏。 Daitch–Mokotoff Soundex 代码是由六个数字组成的字符串 数字。
4. 科隆语音：这类似于 Soundex，但更适合德语单词。
5. 纽约州识别和情报系统 (NYSIIS)：将相似的音素映射到同一个字母。结果 是一个无需解码即可被阅读器发音的字符串。
6. 西部航空公司于 1977 年开发的匹配评级方法：该算法具有编码和范围比较技术。
7. Caverphone：用于协助 19 世纪末和 20 世纪初选民名册之间的数据匹配，针对 新西兰部分地区的口音

参考资料： 上述算法及其子类型的详细信息可在下面的维基百科页面中找到 1.https://en.wikipedia.org/wiki/Phonetic_algorithm

其中 SoundEx 最适合印度语言 您可以查看以下资源以获取相同的信息 1.Phonetic search for Indian languages 2.https://thottingal.in/blog/2009/07/26/indicsoundex/