SOUNDEX FR Édouard BERGÉ © 12.2007 v1.2 This algo is now under MIT licence, you can do whatever you want with it ;) --------------------------------------------------------------------------------------------------------- English people may read the end of this file ;) Pourquoi un nouveau Soundex? Il en existe déjà beaucoup de variantes non? Oui mais... - Ils généralisent trop les sons, provocants beaucoup de faux positifs. - Leur conversion phonétique est limitée alors que le français est complexe, résultant beaucoup de manqués. L'objectif est donc clair. Je veux... - Moins de faux positifs. - Plus de réussite. - De plus, je trouve pratique d'avoir une conversion qui reste "lisible". - Une certaine correction des erreurs orthographiques les plus courantes. Commençant mes développements avec 200 mots de référence, relire cette liste à chaque fois était ridiculement improductif et source d'erreurs. Je suis alors passé à la vitesse supérieure en me constituant un corpus de test de 7.000 mots (choisis en "feuilletant" un dictionnaire), ainsi qu'une page de test pour automatiser les vérifications et la détection d'éventuelles régressions. Pour terminer la validation de mon algorithme, j'ai téléchargé une version française du dictionnaire myspell pour l'ajouter à ma page de test. Cette ultime vérification me permit de corriger quelques imperfections. Au final, cet algorithme a été testé avec plus de 70.000 mots. Attention, il n'est pas parfait! Mais j'ai enfin eu ce que je voulais, avec très peu de concessions, à savoir un algorithme qui se comporte bien avec des mots français. L'occasion pour moi de remercier quelques personnes: - Frédéric Brouard pour son article sur les soundex. http://sqlpro.developpez.com/cours/soundex/ - Florent Bruneau de qui j'ai repris quelques morceaux de code. Lui même inspiré par Frédéric Brouard. http://blog.mymind.fr/post/2007/03/15/Soundex-Francais - Christophe Pythoud et Vazkor (Jean-Claude M.) pour leur immense travail sur le dictionnaire myspell. http://perso.latribu.com/rocky2/index.html (Le chien n'est pas méchant) ================================= I design this kind of soundex because soundex simplifies too much sounds So the main goal was to: - have less false matchs - more success when searching - have a readable result - kind of common mistakes fixed As the french is a complex language, i developped the algo with a word corpus (SQL file) Thanks to the following people - Frédéric Brouard for his documentation about soundexes. http://sqlpro.developpez.com/cours/soundex/ - Florent Bruneau for the inspiration http://blog.mymind.fr/post/2007/03/15/Soundex-Francais - Christophe Pythoud et Vazkor (Jean-Claude M.) for their huge work on the myspell dictionnary. http://perso.latribu.com/rocky2/index.html (Le chien n'est pas méchant)