pdf - Universität zu Köln

das Deutsche beschränkt, gibt es viele Ambiguitäten in der Aussprache. So variiert die
Aussprache regional stark, selbst, wenn das weite Feld der Dialekte vernachlässigt wird.
Zusätzlich werden mit der fortschreitenden Vermischung der Kulturen viele Familiennamen
aus ihrem Sprachkontext herausgenommen oder assimiliert. So bleibt vorerst in der
Praxis nichts anderes übrig, als ein Verfahren zu entwickeln, welches in einem definiertem
sprachlichem Kontext möglichst gut funktioniert. Ein Verfahren, welches für mehrere
Sprachen Aussprachevarianten berücksichtigt, dürfte einen erheblichen Forschungsaufwand
verlangen. Aber auch danach werden für den praktischen Einsatz relevante Grenzen
wie Rechenleistung und Speicherbedarf nicht jeden beliebigen Anwendungszweck zulassen.
Eine weitere vorteilhafte Eigenschaft wäre, wenn der Algorithmus für eine Eingabezeichenkette
möglichst wenig Schlüssel generiert oder die Anzahl der erzeugten Schlüssel begrenzt.
Ansonsten könnten die Geschwindigkeitsvorteile des Hashingprinzips bei ungünstigen
Eingabezeichenketten 11 durch kombinatorische Explosion 12 gefährdet werden.
Gegen eine zu kleine Anzahl von Regeln spricht, dass Sonderfälle der Orthographie
nicht oder nicht ausreichend abgedeckt werden können. Es gilt einen Kompromiss zwischen
der Anzahl der verwendeten Regeln und der resultierenden Trefferquote zu finden.
Algorithmen für die Phonetische Suche profitieren von einer Auswertung des Graphemkontextes.
Dies gilt insbesondere für die deutsche Sprache. Ein bekanntes Beispiel dafür
ist das Graphem , dessen Aussprachevarianten [ç] und [X] vor allem durch den vorhergehenden
Vokal bestimmt werden. Verschiedene Methoden der Berücksichtigung des
Kontextes werden bei den einzelnen Verfahren detaillierter besprochen.
Eine kurze Schlüssellänge und/oder ein kleines Zielalphabet für den erzeugten Schlüssel
erlauben die effiziente Speicherung in digitalen Speichersystemen. Wilde u. Meyer (1988)
schlagen eine Begrenzung der Schlüssellänge auf fünf oder sechs Zeichen vor, um die Anzahl
der korrekten Suchergebnisse zu maximieren. Dies wird damit begründet, dass die
meisten Schreib- oder Hörfehler am Ende des Wortes auftreten. Laut Kukich (1992) ist
dies jedoch nicht unbedingt der Fall.
Eine kurze Schlüssellänge erleichtert darüber hinaus eine weitere Verwendung in ei-
11 In der informatischen Literatur wird hier mit Worst-Case-Abschätzungen gearbeitet, auf deren Verwendung
im Folgenden verzichtet wird, da die vorgestellten Algorithmen nur mit sehr kurzen Eingabezeichenketten
arbeiten und eine durch den Anwendungszweck bestimmte Obergrenze der Komplexität
haben.
12 Mit jeder Alternative für die Aussprache multipliziert sich die Anzahl der Schlüssel um die Anzahl
der Aussprachevarianten. Bei der Berechnung der Schlüssel für den Korpus konnte beobachtet werden,
das der Daitch-Mokotoff Algorithmus im Normalfall nur wenige Schlüssel generiert. So werden lediglich
für 3,55 % der Einträge mehr als zwei Schlüssel kodiert. In 91,7 % dieser Fälle waren es vier Schlüssel. Das
Maximum lag bei 32 Schlüsseln für einen Eintrag. Dieses Maximum wurde nur acht Mal für Familiennamen
im Korpus erzeugt.
7