Soundex函数如何在SQL Server中运行？

Question

以下是SQL中Soundex代码的示例：

SELECT SOUNDEX('Smith'), SOUNDEX('Smythe');
----- ----- 
S530  S530  

'Smith'如何成为S530？

在这个例子中，第一个数字是S，因为这是输入表达式中的第一个字符，但是如何计算剩余的三个数字？

Answer 1

看看这个article

  

代码的第一个字母对应于第一个字母   名称。代码的其余部分由三个数字派生而来   根据以下代码的单词的音节：

     

  
• 1 = B，F，P，V
  
• 2 = C，G，J，K，Q，S，X，Z
  
• 3 = D，T
  
• 4 = L
  
• 5 = M，N
  
• 6 = R
  

     

具有相同Soundex代码的双字母，A，E，I，O，U，H，W，Y，   一些前缀被忽视......

因此，对于Smith和Smythe，代码是这样创建的：

S  S   ->   S
m  m   ->   5
i  y   ->   0
t  t   ->   3
h  h   ->   0
   e   ->   -

Answer 2

什么是Soundex？

Soundex是：

  

一种语音算法，用于通过声音将名称编​​入索引，用英语 发音；由罗伯特·罗素（Robert C. Russell）和玛格丽特·金·奥德尔（Margaret King Odell）于1918年首次开发

它如何工作？

Soundex有几种实现，但是大多数实现以下步骤：

1. 保留名称的首字母，并删除所有其他出现的元音和h,w：
   |a, e, i, o, u, y, h, w | → "" |
2. 用以下数字代替辅音（在第一个字母之后）：
   | b, f, p, v | → 1 |
| c, g, j, k, q, s, x, z | → 2 |
| d, t | → 3 |
| l | → 4 |
| m, n | → 5 |
| r | → 6 |
3. 将相同的相邻数字替换为单个值（如果在步骤1之前彼此相邻，则将它们替换为）：
   | M33 | → M3 |
4. 剪切或 Pad 用零或剪切以产生4位数的结果：
   | M3 | → M300 |
| M34123 | → M341 |

这是jsFiddle中的一个交互式演示：

这是使用SQL Fiddle

的SQL演示

在SQL Server中，SOUNDEX通常与DIFFERENCE结合使用，用于对结果位数进行计分（就像游戏mastermind ^†），数字匹配程度最高。

discards a lot of data, resulting in more false positives

有哪些替代方案？

重要的是要了解soundex的局限性和批评，以及人们在何处尝试对其进行改进，尤其是扎根于英语发音以及Metaphone。

---

Double Metaphone和nuances of speech in Enlgish仍然都专注于英语发音，但是为Metaphone Function in SQL（即PH→F）增加了更多的粒度

Phil Factor用source on github写了Database of common name aliases / nicknames of people

---

Soundex通常用于识别相似的名字，要找到任何相似的昵称（例如Robert→Rob或{{1 }}）。根据{{​​3}}上的这个问题，您也可以在匹配过程中针对相似的昵称进行查找。

以下是几个免费的常用昵称列表：

• SOEMPI - name_to_nick.csv | Github
• carltonnorthern - names.csv | Github

进一步阅读：

• Fuzzy matching using T-SQL
• SQL Server – Do You Know Soundex Functions?