Alguém tem idéia de como eu faço para mandar essa contribuição para o
pessoal do Postgres para que tenhamos lá um suporte para soundex para
latin? E alguém tem idéias para acrescentar, já que eu só fiz um pouco
de nada que já me resolve horrores aqui, mas que com certeza não é nem
10% do total para fechar com chave de ouro esse código?
Em 10 de julho de 2013 14:45, Pablo Sánchez <phack...@gmail.com> escreveu:
> Já resolvi aqui a questão.
>
> Segue o que eu implementei com base em um código que encontrei na Net
> (mas fechei a aba e estava em modo anônimo, perdi qual era - créditos
> para outra pessoa).
>
> Coloquei o peso do Ç igual ao peso de C que é igual ao peso de S e de
> X e coloquei o ÃO e ÕE com o peso de M caso o cara tenha escrito um
> JOAUM ao invés de JOÃO.
>
> Só respondendo: não quero ser muito flexível, por isso eliminei uma
> penca de coisas e deixei o índice apenas como <= 1. E sim, o cadastro
> de detentos é sempre feito com o nome completo. Só para te dar uma
> base de como ficou bacana, o teste foi assim:
>
> SELECT LATINEX('Joaum Culioins da Çilva Roxa'), LATINEX('João Culhões
> da Silva Rocha');
>
> Veja que a assinatura de ambos é idêntica.
>
> Meu problema está apenas com o raio da letra W que pode ter som de V
> ou se U como em Wallace e Watson. Nesse caso a assinatura de todo o
> restante é idêntica, exceto a primeira letra. Não posso descartar, mas
> posso colocar uma margem de 1 se eu simplesmente pegar os resultados
> como parte de levenschtein e manter o índice em <= 1. Acredito que
> isso me ajude também a pegar similaridades como Jasmin e Yasmin.
>
> Assim, eis o que eu tenho:
>
> -- Resultado levenshtein = 0, porque o primeiro caractere é idêntico
> SELECT LEVENSHTEIN(LATINEX('Joaum Culioins da Çilva Roxa'),
> LATINEX('João Culhões da Silva Rocha'))
>
> -- Resultados levenshtein = 1, porque o primeiro caractere é o único que
> SELECT LEVENSHTEIN(LATINEX('Uólaci Culioins da Çilva Roxa'),
> LATINEX('Wallace Culhões da Silva Rocha'))
> SELECT LEVENSHTEIN(LATINEX('Wanezza Culioins da Çilva Roxa'),
> LATINEX('Vanessa Culhões da Silva Rocha'))
> SELECT LEVENSHTEIN(LATINEX('Amiltão Culioins da Çilva Roxa'),
> LATINEX('Hamilton Culhões da Silva Rocha'))
>
> --Criação da função de peso do som das consoantes para cálculo de soundex
> latin
>
> CREATE OR REPLACE FUNCTION pesom(CHARACTER)
> RETURNS INTEGER AS
> $BODY$
>
> SELECT
> CASE $1
> WHEN 'B' THEN 1
> WHEN 'C' THEN 2
> WHEN 'D' THEN 3
> WHEN 'F' THEN 1
> WHEN 'G' THEN 2
> WHEN 'J' THEN 2
> WHEN 'K' THEN 2
> WHEN 'L' THEN 4
> WHEN 'M' THEN 5
> WHEN 'N' THEN 5
> WHEN 'P' THEN 1
> WHEN 'Q' THEN 2
> WHEN 'R' THEN 6
> WHEN 'S' THEN 2
> WHEN 'T' THEN 3
> WHEN 'V' THEN 1
> WHEN 'X' THEN 2
> WHEN 'Z' THEN 2
> ELSE 0
> END
>
> $BODY$
> LANGUAGE 'sql' VOLATILE
> COST 100;
>
> ALTER FUNCTION pesom(CHARACTER) OWNER TO postgres;
>
>
> --Criação da função de peso do som das consoantes para cálculo de soundex
> latin
>
>
> CREATE OR REPLACE FUNCTION latinex(CHARACTER VARYING)
> RETURNS CHARACTER AS
> $BODY$
>
> DECLARE
> texto VARCHAR;
> resultado VARCHAR;
> i INT;
> ipesom INT;
> valorPrimeiraLetra INT;
>
> BEGIN
>
> texto = $1;
> texto = UPPER(texto);
> texto = TRANSLATE(texto, 'ãO', 'M');
> texto = TRANSLATE(texto, 'ÃO', 'M');
> texto = TRANSLATE(texto, 'õE', 'M');
> texto = TRANSLATE(texto, 'ÕE', 'M');
> texto = TRANSLATE(texto, 'ñ', 'N');
> texto = TRANSLATE(texto, 'Ñ', 'N');
> texto = TRANSLATE(texto, 'ç', 'C');
> texto = TRANSLATE(texto, 'Ç', 'C');
>
> resultado = SUBSTRING(texto,1,1);
>
> valorPrimeiraLetra = pesom(resultado);
>
> i=2;
>
>
> WHILE i < LENGTH(texto) LOOP
>
> ipesom = pesom(SUBSTRING(texto, i, 1));
>
> IF (NOT (ipesom = 0) AND NOT (valorPrimeiraLetra = ipesom)) THEN
> resultado = resultado || ipesom;
> END IF;
>
> valorPrimeiraLetra = ipesom;
>
> ipesom = 0;
>
> i := i + 1;
>
> END LOOP;
>
> WHILE LENGTH(resultado) < 4 LOOP
> resultado = resultado || '0';
> END LOOP;
>
> RETURN resultado;
>
> END;
>
> $BODY$
> LANGUAGE 'plpgsql' VOLATILE
> COST 100;
>
> ALTER FUNCTION latinex(CHARACTER VARYING) OWNER TO postgres;
>
> Em 10 de julho de 2013 11:13, Euler Taveira <eu...@timbira.com.br> escreveu:
>> On 10-07-2013 10:23, Pablo Sánchez wrote:
>>> Até o momento, tudo quase ok (tirando o fato de que não é para idiomas
>>> latinos, mas já é algo). Só que fiquei com dúvida sobre qual seria um
>>> bom valor para o índice Levenshtein. Estou extremamente compelido pelo
>>> índice 3, mas gostaria de opiniões.
>>>
>> Não existe índice bom ou ruim; tudo depende de (i) seus dados e (ii) o
>> quão flexível você quer ser. Faça bastante testes em uma "baseline" e
>> decida qual é o ideal.
>>
>>> Eis um exemplo de teste que mostrou-se satisfatório
>>>
>>> select soundex('Josefa Silva'), soundex('Joseph Silva');
>>> select levenshtein('Josefa Silva', 'Joseph Silva');
>>> select metaphone('Josefa Silva', 10), metaphone('Joseph Silva', 10);
>>> select dmetaphone('Josefa Silva'), dmetaphone('Joseph Silva');
>>> select dmetaphone_alt('Josefa Silva'), dmetaphone_alt('Joseph Silva');
>>>
>> Eu não aconselharia utilizar qualquer dessas funções em nomes completos.
>> O soundex, por exemplo, considera somente algumas posições (no mínimo 4
>> caracteres). O levenshtein utilizado com strings longas podem ter mais
>> do que 3 ou 4 mudanças. Ao invés disso, quebre o nome completo em nome e
>> sobrenome e faça uma comparação individual ou utilize uma composição de
>> funções de similaridade.
>>
>> Se você quer usar funções por similaridade, eu aconselho dar uma olhada
>> no pg_similarity [1]. Ele contém uma série de funções que podem te
>> auxiliar na tarefa de casamento flexível de strings.
>>
>>
>> [1] https://github.com/eulerto/pg_similarity
>>
>>
>> --
>> Euler Taveira Timbira - http://www.timbira.com.br/
>> PostgreSQL: Consultoria, Desenvolvimento, Suporte 24x7 e Treinamento
>> _______________________________________________
>> pgbr-geral mailing list
>> pgbr-geral@listas.postgresql.org.br
>> https://listas.postgresql.org.br/cgi-bin/mailman/listinfo/pgbr-geral
>
>
>
> --
>
>
>
>
>
> Pablo Santiago Sánchez
> ZCE ZEND006757
> phack...@gmail.com
> (61) 9975-0883
> http://www.sansis.com.br
> "Pluralitas non est ponenda sine necessitate"
--
Pablo Santiago Sánchez
ZCE ZEND006757
phack...@gmail.com
(61) 9975-0883
http://www.sansis.com.br
"Pluralitas non est ponenda sine necessitate"
_______________________________________________
pgbr-geral mailing list
pgbr-geral@listas.postgresql.org.br
https://listas.postgresql.org.br/cgi-bin/mailman/listinfo/pgbr-geral
