如何找到很难拼错名字的名字？

我认为这是一个可以通过一些数据挖掘和完善的算法解决的问题，但我不知道如何解决。欢迎提供有关使用哪些数据源以及应用哪种算法的任何指针。

背景：我是罗马尼亚-匈牙利人，他正在怀有波兰-乌克兰人的怀抱，并且还没有完全决定要定居哪个国家。正如您所期望的那样，选择一个给定的名称是最重要的，也是一个激烈的辩论。从我的角度来看，当我从一个国家搬到另一个国家时，有人拼错了我的名字时，我仍然要经历所有麻烦。例如，如果您被称为“ Adrian”，那么您在罗马尼亚会很幸运，只是发现您最终成为“ Adri e n”是一些法国官方文件。因此，我唯一的要求是在某些欧洲国家/地区极不可能使婴儿的名字拼写错误。

问题陈述：给定一组国家，例如法国，德国，瑞典，波兰和罗马尼亚，请查找适当发音的给定名称列表，这些名称不太可能被当地人拼写错误。

更正式地讲：令p（c，n）是一个函数，该函数返回名称n在国家c中拼写错误的可能性。给定C个国家集和 p₀个概率，找到N个给定名称集，使得

对于所有Ñ ∈ Ñ和Ç ∈ Ç，P（C，N）<P 0

初步思路：核心问题是如何实现p（c，n）。可以尝试用一种启发式方法来近似它。显然，在两种情况下，名称可能会拼写错误：

1. 在那个国家很少使用。
2. 它类似于一个不同的名称，在那个国家很少使用。

我不确定如何使用互联网（例如Wikipedia）有效回答这两个问题。一个人怎么会只列出一个国家中经常使用的名字？人们会如何寻找相似的拼写？

对于某些语言，有些方法比其他语言更有效。例如，soundex（和我喜欢的另一个描述）是为名称的英语发音设计的。随着soundex，Michael成为M240。这有几个步骤：

1. 首字母被隔离。（M和ichael）
2. 所有元音都从余数（M和chl）中删除
3. 辅音被替换
   • c -> 2
   • l -> 4
4. 左垫零。

辅音转换的分组是根据他们的语音相似的- ，，B 和所有的地图。FPV1

并且随着时间的流逝会有变化。在家谱中，名称的拼写可能会随时间变化，但发音仍然相似，这在谱系中特别有用。

还有一些方法，例如由航空公司为姓名（而不是美国家谱）开发的比赛评分。

匹配评级方法（MRA）的编码为：

1. 删除所有非主导元音（Michael成为Mchl和Anthony成为Anthny）
2. 删除任何双精度数的第二个常数
3. 如果字符串长于6个字符，则通过获取前三个和后三个来将剩余的字符串减少为6个字符。

完整的规范可以在archive.org上找到-注意它“不小”（印刷形式为214页）。

在比较具有基于文本多久匹配的阈值。

还有其他语音算法。

因此，我鼓励您做的是要么按原样使用Soundex，按原样采用匹配评级方法，要么根据罗马尼亚辅音和波兰辅音修改Soundex 。

请记住，同音，辅音的分组（在波兰，m，n，ɲ都鼻辅音进行分组，你可能会组唇，牙齿和肺泡塞音-无论是清音或浊音在一起-理所当然的，我不我会说波兰语，所以不知道我是否只是在说那不是真的话。

然后，只需将数据库中的所有名称隐藏到两个不同的soundex系统中，然后找出在不同语言中冲突最少的名称。这为您提供了不同的名称。因此Smith不会显示为Smyth。

但是，这只能解决“可能会与其他名称冲突并被人听到的名称”。它没有解决“正确听到名字，写下错误名字”的另一种方式，为此，应该将注意力集中在通用名称上。

例如，Michael从1950年初到1970年底在美国是一个非常普遍的名字。它确实很受欢迎。但是，由于某种原因，这个名字Micheal在1950年代很流行（在其最鼎盛时期排名第83位）。而且我敢肯定，Micheal经常被命名的人的名字拼写错误。

因此，对于给定的发音，您应该专注于名称占主导地位的名称。在通过一年的姓名另一个数据消费者一眼，你可以看到，开始与果酱的名字......一个男孩是一个烂摊子有Jamaal，Jamal，Jamar和其他人。顺便说一句，这些名称略有不同soundexes对美国（J540，J540和J560-的l，并r在即使它们在语音密切相关的不同的群体）。然而，从，说日本一个人，没有在语音区域只有一个声音在那里l和r用美式英语发音。这对于使用soundex的主要辅音也可能构成一个挑战，这是人们应该意识到的（我曾经和一位日本女人打过招呼，称自己为Risa（带有“ R”），而不是Lisa作为她的日语名字的罗马字）。

您会注意到，我的示例适用于美国。该数据易于访问。显然，对于波兰和匈牙利而言，有些事情，只是暗示了匈牙利名称的通用性……我怀疑在英语之外搜索其他语言可能会有所帮助。

因此，给定了soundex的名称，几乎没有碰撞，并且实际的拼写在碰撞集中。优选地，这是一个通用名称。从匈牙利的清单来看，Krisztián拼写错误可能会同时导致拼写错误Zoltán（2011年匈牙利最常见的婴儿名字排名第22位！）。也就是说，您不会错Michael。

您可能想研究Double Metaphone语音算法，该算法旨在处理不同语言中单词的发音方式。还有一个Metaphone 3，但要花钱才能使用。