java - 姓名错误更正

Question

我正在尝试设计一种算法来执行名称纠错。我的方法是拥有一个包含正确名称的数据库，计算每个名称与输入的名称之间的编辑距离，然后建议 5 个或 10 个最接近的名称。

此任务与标准的单词纠错有很大不同，因为某些名称可能会被首字母替换。例如“Jonathan Smith”和“J. Smith”实际上非常接近并且很容易被认为是同一个名字，所以编辑距离如果不是 0 也应该非常小。另一个挑战是一些名字在发音时可能会写得不同相同的。例如 Shnaider 和 Schneider 是由不同语言环境的人编写的同名版本(我想有更好的例子)。还有另一种情况 - 想象一下在编写 Jawaharlal Nehru 时可能出现的所有错误，其中大部分与真名无关。同样，它们中的大多数可能在语音上相似。

显然，Lucene 的纠错算法在这里对我没有帮助，因为它不处理上述情况。

所以我的问题是:您是否知道有任何库能够对名称进行纠错？你能提出一些算法来处理上述情况吗？

我对 C++ 或 Java 中的库感兴趣。至于算法提案，任何语言或伪代码都可以。

Answer 1

有关拼音匹配，请参阅 Soundex .

我认为修改 Levenshtein 距离算法以将“缩写为首字母”和“从首字母扩展”视为单距离编辑应该很简单，但目前我无法了解细节。