Share
Embed
Pesquisa Fonetica
Aplicando o algoritmo BuscaBr
Palestra feita no RS on Rails 2011
Gabriel Sobrinho
October 02, 2011
Transcript
29 slides
-
PROJETOS • ar-octopus • formtastic • fonetica • machinist-caching •
minitest-colorize • knife -
FONÉTICA “A Fonética é o ramo da Linguística que estuda
a natureza física da produção e da percepção dos sons da fala humana. Preocupa-se com a parte significante do signo linguístico e não com o seu conteúdo” - Wikipédia -
SIMILARIDADE EM NOMES • Batista e Baptista • Felipe e
Philipe • Wagner e Vagner -
PRONÚNCIA ERRADA • Aspas e aspras • Bobagem e bobage
• Cérebro e celebro -
ESCRITA ERRADA • Ameixa e ameicha • Chuchu e xuxu
• Habilitação e abilitação -
ALGORITMOS • soundex - Robert C. Russell (1918) • metaphone
- Lawrence Philips (1990) • buscabr - Fred Jorge Tavares de Lucena (2007) -
ALGORITMO BUSCABR • “Busca Fonética em Portugês do Brasil” por
Fred Jorge Tavares de Lucena - Unibratec (2007) • “Implementos em Mecanismo de Busca por Semelhança Sonora” por Marcos Rodrigues Caso - UNICID (2010) • “fonetica” por Gabriel Sobrinho (2011) -
ALGORITMO BUSCABR • Converter para maiúsculo • Remover acentuação •
Substituir letras conforme tabela • Eliminar M, R e S no final das palavras • Eliminar todas as vogais e o H -
TABELA ORIGINAL DO BUSCABR De Para De Para De Para
BL, BR B L R RT T CA K N, MD M RM SM CE, CI S MG G RJ J CO, CU, CK K MJ J ST, TR, TL T Ç, CH S PH F TS S CT T PR P W V GE, GI J Q K X S GM M RG G ST T GL, GR G RS S Y I Z S -
MELHORIAS DO MARCOS CASO • Desconsiderar caracteres especiais como hífen
e apóstrofo; Exs.: Ca’doro, Sant’Ana, caça-palavras, ex-namorado • Tratar os encontros de consoantes cujas palavras possuam PT (assim como na utilização do “C” antes do “T”, onde o “P” e o “C” são mudos) -
MELHORIAS DO MARCOS CASO • Considerar o erro fonético e
sintático, em que a terminação “lha” pode ser confundida com “lia” • Acrescentar as terminações fonéticas “AO”, “AM” e “ON”, à verificação da terminação “ÃO” • Considerar no início das palavras que empregam a consoante “W”, cuja sonoridade seja idêntica a da vogal “U”. -
MELHORIAS DO MARCOS CASO De Para De Para De Para
BL, BR B CA, CO, CU, CK, Q K CT, RT, ST, TR, TL, PT T PH F AO, AUM, GM, MD, N, OM, ON M U, W V GL, GR, MG, RG G PR P RM SM Y I L R GE, GI, RJ, MJ J CE, CI, Ç, CH, RS, TS, X, Z S -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :001 > 'batista'.foneticalize => "BT" ruby-1.9.2-p180
:002 > 'baptista'.foneticalize => "BT" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :001 > 'batista'.foneticalize => "BT" ruby-1.9.2-p180
:002 > 'baptista'.foneticalize => "BT" ruby-1.9.2-p180 :003 > 'felipe'.foneticalize => "FRP" ruby-1.9.2-p180 :004 > 'philipe'.foneticalize => "FRP" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :001 > 'batista'.foneticalize => "BT" ruby-1.9.2-p180
:002 > 'baptista'.foneticalize => "BT" ruby-1.9.2-p180 :003 > 'felipe'.foneticalize => "FRP" ruby-1.9.2-p180 :004 > 'philipe'.foneticalize => "FRP" ruby-1.9.2-p180 :005 > 'wagner'.foneticalize => "VM" ruby-1.9.2-p180 :006 > 'vagner'.foneticalize => "VM" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :007 > 'aspas'.foneticalize => "SP" ruby-1.9.2-p180
:008 > 'aspras'.foneticalize => "SP" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :007 > 'aspas'.foneticalize => "SP" ruby-1.9.2-p180
:008 > 'aspras'.foneticalize => "SP" ruby-1.9.2-p180 :009 > 'bobagem'.foneticalize => "BJ" ruby-1.9.2-p180 :010 > 'bobage'.foneticalize => "BJ" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :007 > 'aspas'.foneticalize => "SP" ruby-1.9.2-p180
:008 > 'aspras'.foneticalize => "SP" ruby-1.9.2-p180 :009 > 'bobagem'.foneticalize => "BJ" ruby-1.9.2-p180 :010 > 'bobage'.foneticalize => "BJ" ruby-1.9.2-p180 :011 > 'cérebro'.foneticalize => "SRB" ruby-1.9.2-p180 :012 > 'celebro'.foneticalize => "SRB" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :013 > 'ameixa'.foneticalize => "MS" ruby-1.9.2-p180
:014 > 'ameicha'.foneticalize => "MS" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :013 > 'ameixa'.foneticalize => "MS" ruby-1.9.2-p180
:014 > 'ameicha'.foneticalize => "MS" ruby-1.9.2-p180 :015 > 'chuchu'.foneticalize => "S" ruby-1.9.2-p180 :016 > 'xuxu'.foneticalize => "S" -
FONETICA NA PRÁTICA ruby-1.9.2-p180 :013 > 'ameixa'.foneticalize => "MS" ruby-1.9.2-p180
:014 > 'ameicha'.foneticalize => "MS" ruby-1.9.2-p180 :015 > 'chuchu'.foneticalize => "S" ruby-1.9.2-p180 :016 > 'xuxu'.foneticalize => "S" ruby-1.9.2-p180 :017 > 'habilitação'.foneticalize => "BRTS" ruby-1.9.2-p180 :018 > 'abilitação'.foneticalize => "BRTS" -
PROBLEMAS • Ineficiente para pequenas sentenças • Falsos positivos •
Consultas usando LIKE podem ser lentas ;) -
RECOMENDAÇÕES • Use somente quando necessário • Prefira pesquisa exata
• Crie índices no banco