如何决定Elasticsearch“音标过滤器”中的哪种语言使用哪种编码器？

Question

我在 Elasticsearch 中使用了Metaphone和soundex编码器以及“Phonetic Token Filter”。

变音位对于英语单词很有用。

Soundex适用于英语、印地语以及许多其他语言。

我想知道哪些编码器最适合印地语以及其他印度语言（如果可能的话）？

• 声音指数
• 变音位
• 双变音位
• 精炼_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 Soundex
• koelnerphonetik - 德语
• haasephonetik - 德语
• beider_morse - 英语和多种欧洲语言
• daitch_mokotoff - 斯拉夫语和意第绪语姓氏

由于Elasticsearch 网站上没有列出我们应该选择哪种语言的编码器。

还请告诉我您已经使用过哪些编码器以及用于哪种语言。

Answer 1

语音编码器是根据单词发音对单词进行索引的算法。

\n\n

维基百科上有对此的解释

\n\n

\n

\n
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拼写检查器的基础。Double Metaphone\n 语音编码算法是该算法的第二代\n。
\n
2. Soundex：开发用于对姓氏进行编码以供人口普查使用。Soundex 代码是由一个单个字母后跟三个数字组成的四个字符的字符串。
\n
3. Daitch\xe2\x80\x93Mokotoff Soundex：这是 Soundex 的改进，旨在更好地匹配斯拉夫语和日耳曼语起源的姓氏。\n Daitch\xe2\x80\x93Mokotoff Soundex 代码是由六个数字\n 数字组成的字符串。
\n
4. 科隆语音：这与 Soundex 类似，但更适合德语单词。
\n
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\n是一个读者无需解码即可发音的字符串。
\n
6. 西部航空于 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。
\n
7. Caverphone：创建用于协助 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进行了优化
\n

\n

\n\n

参考文献：\n 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\n 1. https://en.wikipedia.org/wiki/Phonetic_algorithm

\n\n

其中，SoundEx 最适合印度语言\n您可以查看以下资源以了解相同\n1. 印度语言的语音搜索\n2. https://thottingal.in/blog/2009/07/26/indicsoundex/

\n