Metaphone算法的意外結果

Question

我正在使用Java中不同單詞的語音匹配。我使用了Soundex，但它太粗糙了。我轉向了Metaphone，並意識到它更好。但是，當我嚴格測試它。我發現奇怪的行爲。我想問這是否是metaphone的工作方式，或者我是否以錯誤的方式使用它。在下面的例子中其正常工作： -

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

這將打印

Match 1 
    Mathc 2 

現在，「蟋蟀」聽起來像「criket」，但怎麼來的「蟋蟀」和「criketgame」是相同的。如果有人會解釋這一點。這將有很大的幫助。

Answer 1

您的用法稍微不正確。編碼的字符串和默認的最大編碼長度的快速調查表明，它是4，其截斷較長「criketgame」的末尾：

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

輸出（注意「criketgame」是從「KRKTKM」截短「 KRKT」，它匹配‘板球’）：

 
4 
KRKT 
KRKT 
KRKT 

---

解決方案：將最大碼長到適合您的應用程序和預期輸入的東西。例如：

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

現在輸出：

 
KRKT 
KRKT 
KRKTKM 

現在你原來的測試給出了預期的結果：

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

印刷：

 
true 
false 

順便說一句， 你可以也想試驗DoubleMetaphone，這是該算法的改進版本。

---

順便說一句，從the documentation注意警告關於線程安全：

的實例字段maxCodeLen是可變的，但是不揮發，並訪問不同步。如果類的實例在線程之間共享，則調用者需要確保使用適當的同步來確保線程之間的值安全發佈，並且在初始設置後不得調用setMaxCodeLen(int)。