Pular para o conteúdo
jsonW Paper GitHub

Grafia, sinais e coluna por bloco

Grafia e som parecidos: "Kokakola" acha "Coca-Cola"

O operador ~~ do filtro dá a cada valor uma nota de 0 a 1 pela grafia e por uma chave fonética, em português do Brasil, inglês americano, espanhol e chinês.

· jsonW 1.3.11

O problema

Quem procura uma marca, um nome ou um produto digita como ouviu. O filtro exato não acha "Coca-Cola" quando a pessoa escreve "Kokakola", e a busca por prefixo também não.

Como o jsonW resolve

O ~~ calcula duas medidas de Dice sobre trigramas: uma na grafia sem acento e sem maiúsculas, outra numa chave fonética da língua pedida, e fica com a maior. No português, a chave leva o "c" duro e o "k" ao mesmo som.

$ 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"}

Saída real. ~~en, ~~es e ~~zh trocam a língua; [email protected] muda o limiar de 0 a 1.

Onde está

No wjsw filtrar da versão 1.3.11. O filtro não usa índice: varre só a coluna pedida, em paralelo. No chinês, os trigramas contam ideograma por ideograma; a chave do som dos ideogramas ainda não está nesta versão.

Leia a seção completa no paper →