Saltar al contenido
jsonW Artículo GitHub

Grafía, señales y columna por bloque

Grafía y sonido parecidos: "Kokakola" encuentra "Coca-Cola"

El operador ~~ del filtro da a cada valor una nota de 0 a 1 por la grafía y por una clave fonética, en portugués de Brasil, inglés estadounidense, español y chino.

· jsonW 1.3.11

El problema

Quien busca una marca, un nombre o un producto escribe como lo oyó. El filtro exacto no encuentra "Coca-Cola" cuando la persona escribe "Kokakola", y la búsqueda por prefijo tampoco.

Cómo lo resuelve jsonW

~~ calcula dos medidas de Dice sobre trigramas: una en la grafía sin acentos ni mayúsculas y otra en una clave fonética del idioma pedido, y se queda con la mayor. En portugués, la clave lleva la "c" dura y la "k" al mismo sonido.

$ wjsw filtrar marcas.jsw "nome ~~pt Kokakola"
2 de 4 linhas em 0.0 ms · blocos 1, pulados pela zona 0 · linhas lidas 4
{id:1,nome:"Coca-Cola"}
{id:4,nome:"Kokakola Bebidas"}

Salida real. ~~en, ~~es y ~~zh cambian el idioma; [email protected] cambia el umbral de 0 a 1.

Dónde está

En wjsw filtrar de la versión 1.3.11. El filtro no usa índice: recorre solo la columna pedida, en paralelo. En chino, los trigramas cuentan ideograma por ideograma; la clave del sonido de los ideogramas todavía no está en esta versión.

Lea la sección completa en el artículo →