> soundex | fonetisk | fuzzy <
// Soundex – fonetisk algoritme til at indeksere navne efter lyd
Lyd‑baseret
Koder navne efter udtale i stedet for stavemåde.
Fuzzy‑matching
Finder navne der lyder ens, selv med forskellig stavning.
Slægtsforskning
Uundværligt værktøj til slægtsforskning og historiske arkiver.
>> tekniske detaljer
Sådan fungerer Soundex:
Soundex beholder det første bogstav og erstatter konsonanter med cifre baseret på fonetiske grupper. Lignende konsonanter får samme tal, vokaler ignoreres, og resultatet polstres eller afkortes til 4 tegn (American) eller variabel længde (Refined).
Kodningsregler:
1 = B,F,P,V 2 = C,G,J,K,Q,S,X,Z 3 = D,T 4 = L 5 = M,N 6 = R Robert → R163 Rupert → R163 Rubin → R150
Hvorfor bruge Soundex?:
- >Fjernelse af dubletter i databaser
- >Slægtsforskning
- >Analyse af folketællinger
- >Kundematching
- >Stavekorrektion
>> ofte stillede spørgsmål
Hvad er Soundex?
Soundex er en fonetisk algoritme fra 1918 til at indeksere navne efter lyd. Den blev udviklet til den amerikanske folketælling for at gøre det lettere at finde efternavne med lignende udtale på trods af forskellig stavning.
American vs. Refined Soundex?
American Soundex producerer koder på 4 tegn (bogstav + 3 cifre). Refined Soundex (brugt bl.a. i SQL Server) bruger flere kodningsgrupper og variable længder for mere præcise resultater.
Hvorfor får forskellige stavemåder samme kode?
Det er hele pointen! Soundex grupperer navne, der lyder ens. Smith og Schmidt lyder næsten ens og får derfor lignende koder, så du kan finde variationer af det samme navn.
Hvilke begrænsninger har Soundex?
Soundex fungerer bedst med engelske navne. Det kan være mindre præcist for andre sprog, og meget forskellige stavemåder kan stadig ende med forskellige koder.
// Hurtig reference
| Digit | Letters |
|---|---|
| 1 | B F P V |
| 2 | C G J K Q S X Z |
| 3 | D T |
| 4 | L |
| 5 | M N |
| 6 | R |
| — | A E I O U Y H W (skipped) |
// Kodeeksempler
1. Keep the first letter. 2. Replace the other letters with digits (table above). 3. Drop vowels and Y; H and W are skipped (letters on both sides of H/W with the same code collapse into one digit). 4. Collapse adjacent identical digits. 5. Pad with 0 or truncate to letter + 3 digits. Robert -> R163 Rupert -> R163 Rubin -> R150 Ashcraft -> A261 Tymczak -> T522 Pfister -> P236
>> Flere spørgsmål
S: Hvorfor har Robert og Rupert samme Soundex-kode?
S: Begge starter med R og kodes efter konsonantgrupper: B/P → 1, R → 6, T → 3 giver R163. Soundex grupperer konsonanter med lignende lyd, så stavevarianter af samme navn matcher ofte.
S: Hvordan håndterer Soundex H og W?
S: H og W springes over og adskiller ikke: har konsonanterne på begge sider samme kode, tæller de som én lyd. Derfor giver Ashcraft A261, ikke A226. Vokaler adskiller derimod.
S: Hvad er Soundex’ begrænsninger?
S: Den blev lavet til engelske navne (patenter fra 1918/1922 af Russell og Odell) og ignorerer lyden efter første bogstav. Navne med forskelligt begyndelsesbogstav, som Catherine og Katherine, matcher ikke.