Mind... - Tag - PHP - Commentaires

Soundex Français - Johann

Johann — Tue, 13 Sep 2011 10:15:23 +0200

Le lien de téléchargement est mort. Pouvez-vous le réparer ?

Soundex Français - Cath

Cath — Wed, 05 May 2010 17:52:31 +0200

Bonjour, merci beaucoup pour ce script très utile et beaucoup plus approprié que sa version anglaise !

Je rencontre cependant un problème dans mon moteur de recherche :
Aix à le même soundex (E) que 20e ou 1er...

Si j'arrive à adapter votre code je le posterais ici.

Soundex Français - Florent Bruneau

Florent Bruneau — Thu, 29 Apr 2010 11:43:47 +0200

C'est réparé, merci de l'avoir signalé !

Soundex Français - Jeff

Jeff — Thu, 29 Apr 2010 09:46:26 +0200

Pourriez-vous réparer le lien de téléchargement de votre script svp ? Merci.

Soundex Français - Dux

Dux — Tue, 31 Mar 2009 01:08:10 +0200

Petite méthode pour retirer les accents

// On supprime les accents-
$sIn = preg_replace( "/&([a-z])[a-z]{2,6};/i", "\\\\1", html_entity_decode($sIn) );

Soundex Français - Philippe

Philippe — Mon, 28 Jul 2008 10:59:07 +0200

Salut, je confirme que cet algo semble meilleur que celui de Frederic BROUARD (qui était dèjà pas mal) cependant un exemple de cas qui ne semble pas bien fonctionner :
BORDEAUX => BORO
BORDEAU => BODO (idem BORDAU, BORDO ou BORDAU)

L'exception qui confirme la règle ! :-)

Je me sers des algo soundex pour chercher des villes/rues dans une base de données géographique (lorsque je n'ai pas de réponse exacte)

A+

Soundex Français - Keskiladi

Keskiladi — Tue, 22 Jul 2008 14:18:08 +0200

Salut, ça m'intéresse pour mon dictionnaire Keskiladi.
Pensez que c'est jouable de chercher en FULLTEXT sur un champs de bdd soundex pour chaque entrée ?

Soundex Français - Florent Bruneau

Florent Bruneau — Thu, 24 Apr 2008 19:59:27 +0200

Merci de l'avoir signaler !

J'ai récemment migrer ma configuration et effectivement, j'avais oublié quelques détails. Normalement c'est corrigé.

Soundex Français - defcon

defcon — Wed, 23 Apr 2008 17:38:35 +0200

Le formulaire de test ne fonctionne pas et impossible de télécharger les sources!

Juste pour le signaler! sinon ca me semble un super travail!

Bonne continuation

Soundex Français - Florent Bruneau

Florent Bruneau — Sat, 05 Apr 2008 21:34:00 +0200

OK, merci, c'est mis à jour.

Soundex Français - David

David — Fri, 28 Mar 2008 10:48:48 +0100

Merci à toi. :-)

J'ai fait une erreur par contre:
// on supprime les terminaisons T, D, S, X (et le L qui précède si existe)-
$sIn = preg_replace( '`L?[TDX]?S?$`', '', $sIn );

Sinon les mots au pluriel affiche le S final!

Pour les EZ finaux, j'ai simplement mis E(Z|R) au lieu de ER, mais il faut le déplacer avant dans la liste pour qu'il prenne le dessus:

comme ça bougez = bouger = BUJ

Soundex Français - Florent Bruneau

Florent Bruneau — Thu, 27 Mar 2008 20:43:34 +0100

Merci beaucoup pour les modifications. Je les ai intégrées au script de l'article.

Soundex Français - David

David — Thu, 27 Mar 2008 11:23:25 +0100

J'avais fait quelques modifs déjà, et j'en ai refait un peu suite au commentaire de Stephane. ;-)

Principalement les 2 tableaux:
$convGuIn = array( 'GUI', 'GUE', 'GA', 'GO', 'GU', 'SCI', 'SCE', 'SC', 'CA', 'CO', 'CU', 'QU', 'Q', 'CC', 'CK', 'G', 'ST', 'PH');
$convGuOut = array( 'KI', 'KE', 'KA', 'KO', 'K', 'SI', 'SE', 'SK', 'KA', 'KO', 'KU', 'K', 'K', 'K', 'K', 'J', 'T', 'F');

'/([^AEIOUY1])[^AEIOUYLKTPN]([UAO])([^AEIOUY])/',
qui devient
'/([^AEIOUY1])[^AEIOUYLKTPNR]([UAO])([^AEIOUY])/',

et à la fin:
// on supprime les terminaisons T, D, S, X (et le L qui précède si existe)-
$sIn = preg_replace( '`L?[TDX]S?$`', '', $sIn );

(sorti le S des crochets)

J'ai également rajouté le EZ final qui devient E comme ER.

Si ça peut aider... Moi je dois mettre en production bientôt donc une fois la base soundex créée, difficile d'y toucher!

Soundex Français - Florent Bruneau

Florent Bruneau — Wed, 26 Mar 2008 19:53:25 +0100

Effectivement, l'algorithme n'est pas parfait. Ce sont de bons exemples pour chercher des améliorations. J'espère avoir un peu de temps pour le faire dans les semaines qui viennent.

Merci pour le commentaire.

Soundex Français - stephane

stephane — Wed, 26 Mar 2008 12:30:37 +0100

Très bon algorithme

seules chose dommages

- "ou" et "u" ne devraient peut être pas être confondus, leur diction est presque aussi différente en français que é et i.

- lettres muettes prises en compte & detail anormal :

grand = J
gran (faute d'orthographe) = JR

flan = FL
flanc = FLK

- sonorités non prises en compte
mail= ML
malheur = ML
(il est biensur normal que des mots n'ayant pas le meme orthographe donnent le meme code, c'est le but même de l'algorithme, mais EUR ne devrait il pas avoir un poids ? si l'on veut considerer que la sonorité de cette syllabe n'est pas déterminante, il faudrait peut être au moins que sa présence soit prise en compte, en créant un nouveau code pour toute syllabe faible mais obligatoirement prononçable, par exemple toute syllabe en fin de mot finissant par une consonne non muette et non prise en compte actuellement , ou plus simplement, conserver cette consonne ? > malheur => MLR )

dessert = desert = DS

problème de pluriel : le pluriel fait prendre en compte l'avant dernière lettre :

maillot = MLO
maillots = MLOT
malotru = MLOT

- si "SC" est precédé par une consonne suivie d'une voyelle, et suivi d'une voyelle, il se prononce "C" et non "SK"

descendre= DSKR

dessendre = DSR = désir

je sais que ce sont des cas particuliers qui ne sont pas faciles à prendre en compte, mais c'est justement sur ce genre de difficultés orthographiques que ce type d'algorithme est particulièrement utile

c'est toutefois un bon algorithme, et ce commentaire n'a pas vocation à le descendre, mais à apporter une remarque constructive ;)

Soundex Français - David

David — Thu, 13 Mar 2008 16:30:39 +0100

D'accord. J'ai simplement supprimé la réduction de taille à 4 caractères, et ça marche très bien. :-)

Soundex Français - Florent Bruneau

Florent Bruneau — Wed, 12 Mar 2008 20:44:56 +0100

Les algorithmes de soundex ont été conçu pour analyser des annuaires de noms propres qui ont rarement plus de 3 à 4 syllabes (le problème étant par exemple de retrouver à la fois les Jack et les Jacques si on a entendu le nom, sans l'avoir lu). Avec 4 caractères, on représente correctement la plupart des noms propres, mais effectivement ce n'est pas adapté pour faire une recherche sonore sur un dictionnaire.

La taille à utiliser dépend des mots qu'on désire comparer et de la proximité recherchée : plus il y aura de caractères dans le soundex, plus la classe d'équivalence (l'ensemble des mots ayant le même soundex) sera réduite, et plus le risque de voir deux mots proches avoir des soundex différents augmente... tout est une question de compromis.

Merci pour les '-', c'est corrigé.

Soundex Français - David

David — Wed, 12 Mar 2008 11:49:37 +0100

Y'a une faute de frappe dans $convVOut, il y a un - après le '9' qui fait tout foirer. ;-)

Soundex Français - David

David — Wed, 12 Mar 2008 09:52:00 +0100

Pas mal! :-)

Juste une petite remarque, pourquoi s'arrêter à 4 caractères?
antico = anticonstitutionnellement = ATKO... et pourtant c'est bien différent! :-|

Afficher des discussions - ed

ed — Thu, 15 Nov 2007 10:13:01 +0100

Bonjour, je cherchais à vous contacter, car j'avais repris il y a quelques mois comme base de travail votre algorithme soundex_fr. Aujourd'hui, le projet est arrivé à maturité et je voulais savoir sous quelle licence vous aviez publié votre code. Le cas échéant, je comptais inclure un remerciement avant de publier le mien sous la LGPL. Merci de votre retour.