文档中心

简介

本java demo能将中文转换为拼音，并比较拼音相似度；进而可以在一组候选词中，找到读音与搜索词最为接近的词组。

该工具能够有效解决同音词、相似发音词、发音不标准等特殊情况下的语音识别。 例如，在通讯录场景下，如果用户需要识别的正确联系人是“张三”，但语音识别接口返回的结果可能是“张山”；此时则可以将用户的联系人列表和“张山”作为输入，通过本工具查找出与“张山”最匹配的结果，有效提高结果的准确率。具体可参考下方的示例。

示例说明

本工具的输入包括一组候选词和一个搜索词，输出是每个候选词与搜索词的距离（差异值）。注意：距离越短，相似度越高。

示例 输入1： 一组候选词，如："张三", "张散", "张丹", "张成", "李四", "李奎" 输入2： 一个搜索词, 如：“张山” 输出：每个候选词与搜索词的距离（如下）

[{word=张三, score=2}, {word=张散, score=3}, {word=张丹, score=4}, {word=张成, score=7}, {word=李四, score=18},

 {word=李奎, score=20}]

该结果表示 “张山”与“张三” 发音最为相近，则“张三”是最有可能的正确词汇。

局限性举例

以下case将不能很好地适用于本算法，请使用的时候先行评估。

1.区分s和sh，可能相似

输入1	输入2	输出
sao3	shao3	2
sao3	pao3	2
sao3	dao3	2
sao3	hao3	2

输入1	输入2	输出
shi1	zhi1	2
shi1	chi1	2
shi1	si1	2
shi1	sha1	2

2.区分en和eng

输入1	输入2	输出
shen1	sheng1	2
shen1	zhen1	2
shen1	she1	2

输入1	输入2	输出
meng2	men2	2
meng2	ming2	2
meng2	mang2	2

3.区分i和ie

输入1	输入2	输出
xi1	pi1	2
xi1	mi1	2
xi1	xia1	2
xi1	xie1	2

4.区分yue和yu、ye、yun

输入1	输入2	输出
yue4	ye4	2
yue4	yun4	2
yue4	yu4	2

5.类似xi’an词语

输入1	输入2	输出
xi1,an1	xian1	3
xi1,an1	xie4,an1	3
xi1,an1	xin4,an1	3

重要代码

计算2个拼音的相似度，

使用方法如 getEditDistance("zhang1,san1", "zhang1,shan1");

public static int getEditDistance(String s, String t) { int d[][]; // matrix int n; // length of s int m;

 // length of t int i; // iterates through s int j; // iterates through t char s_i; // 

ith character of s char t_j; // jth character of t int cost; // cost // Step 1 n = s.length(); 

m = t.length(); if (n == 0) { return m; } if (m == 0) { return n; } d = new int[n + 1][m + 1]; 

// Step 2 for (i = 0; i <= n; i++) { d[i][0] = i; } for (j = 0; j <= m; j++) { d[0][j] = j; } 

// Step 3 for (i = 1; i <= n; i++) { s_i = s.charAt(i - 1); // Step 4 for (j = 1; j <= m; j++) 

{ t_j = t.charAt(j - 1); // Step 5 cost = (s_i == t_j) ? 0 : 1; // Step 6 d[i][j] 

= Minimum(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + cost); } } // Step 7 return d[n][m]; }

完整示例代码下载（JAVA）

https://platform.bj.bcebos.com/sdk/asr/asr_doc/doc_download_files/similarwordsV1.zip