pdf - Universität zu Köln

6 Vergleich der Verfahren für eine Phonetische Suche
Mehrere Untersuchungen über den Vergleich von Verfahren für die Phonetische Suche sind
für andere Sprachkontexte, wie z. B. Englisch oder Dänisch, bekannt. Neben dem anderen
Sprachkontext weichen aber auch andere Rahmenbedingungen dieser Untersuchungen, wie
der verwendete Korpus oder die Art der Bewertung, zum Teil erheblich von dieser Arbeit
ab. Im Folgenden soll ein Überblick über die bekannten Untersuchungen gegeben werden.
6.1 Bekannte Untersuchungen
Lait u. Randell (1993) vergleichen Soundex, Metaphone und zwei weitere Algorithmen für
den sprachunabhängigen Vergleich von Zeichenketten. Eines davon, das ,,k-approximate
String-Matching” wird nicht genauer beschrieben. Das Zweite, nach der Urheberin Guth-
Algorithmus genannt, scheint eine stark vereinfachte Form der Levenshtein-Distanz zu
sein. Zusätzlich wird am Ende des Artikels ein weiteres, neu entwickeltes Soundex-Derivat
mit dem Namen Fonex 48 vorgestellt.
Der Aspekt einer datenbankbasierten Speicherung und Abfrage von Familiennamen
durch die generierten Schlüssel wird bei Lait u. Randell (1993) nicht berücksichtigt, obwohl
sowohl Soundex als auch Metaphone diese Anwendung nahelegen. Vielmehr wird
angenommen, dass jeder Eingabename mit jedem anderen Namen verglichen werden muss.
Die Untersuchung basiert auf einem Korpus von äquivalenten englischen Familiennamen
aus Park u. Park (1992). Diese werden zusätzlich um simulierte Tippfehler ergänzt, um
das Verhalten der Algorithmen auf Robustheit bezüglich dieser zu testen. Am Rande werden
Aspekte von Namenszusätzen besprochen. So sind z. B. und
in der Aussprache sehr ähnlich.
Es wird eine Reihe von Kriterien aufgestellt, die ein Korpus für den Namensvergleich
erfüllen sollte:
• Im Korpus sollten alle möglichen Anfangsbuchstaben in den Familiennamen vertreten
sein. Dies wird damit begründet, dass Probleme einzelner Algorithmen, insbesondere
die des unmodifizierten Soundex, ansonsten nicht in die Bewertung einfliessen.
• Die in dem Korpus enthaltenen Familiennamen sollten insbesondere in Bezug auf die
Buchstaben einer Normalverteilung für Namen entsprechen. Dieses Kriterium dürfte
dem Schwerpunkt der Arbeit bei Tippfehlern zugeordnet werden.
• Die Länge der Namen sollte einer repräsentativen Verteilung der Längen entsprechen.
48 Da zum einen diese Variante über den Artikel hinaus keine Verbreitung gefunden hat und zum anderen
kein Anlass für die besondere Tauglichkeit für das Deutsche gegeben war, wurde darauf verzichtet, dieses
Verfahren zu implementieren und in den Vergleich mit aufzunehmen.
32