比较不同语言的短字符串以获得相似的声音-Soundex是答案吗？

Soundex可能并不完美，但似乎是一种合理的方法，至少对于您的英语/希伯来语匹配示例而言。 您绝对不能使用保留名称的第一个字母的规则，但即使是拉丁字母，我也从不喜欢它（因为我必须同时查看\“ E \”和\“ Y \”以我母亲的姓氏为准）。我建议像对待其他所有字母一样对待首字母。 然后，只需要将希伯来字母映射到Soundex代码即可。您实际上不需要中间的英语音译；只需直接编写希伯来语→Soundex映射即可。 בוףפ→1 גזחךכסקש→2 דטת→3 ץצ→32 从→4 ןנ→5 ר→6 א→יע→已忽略 但是，由于Soundex以英语为中心，因此它可能无法正确处理希伯来语发音中的某些歧义： 在上面的列表中，ו被映射为1（如英语V），但它通常表示O，U或W，在这种情况下应在Soundex中将其忽略。 ח由于缺乏英语版本，因此很难分类。之所以将其放在类别2中是因为（1）匹配\“ ch \”音译，并且（2）允许ך/כ具有相同的类别（带有或不带有dagesh）。 Ashkenazi的发音会在类别2和3之间划分ת。 为了解决这个问题，您可以为一个字符串生成多个Soundex密钥。例如，\“שבת\”将同时映射到212和213。 可以为希腊语进行类似的映射： →ΠΦ→1 Ψ→12 ΓZΚΞΣΧ→2 ΔΘΤ→3 Λ→4 MN→5 P→6 ΑΕΗΙΟΥΩ→已忽略 或俄语： БВПФ→1 ГЖЗКСХЧШЩ→2 ДТ→3 Ц→32 Л→4 МН→5 Р→6 АЕЁИЙОУЪЫЬЭЮЯ→已忽略 （请注意，某些2 \可能是32 \，具体取决于您的音译约定。） 可以基于诸如Soundex值上的最长公共子序列长度或Levenshtein距离之类的度量来获得相似性“评级”。 例如，您可以将两个字符串之间的““相似度””定义为2 * lcslen（A，B）/（len（A）+ len（B）），以获得介于0和1之间的分数。     

我建议研究Daitch-Mokotoff Soundex代码（特别是希伯来语）。 选中此选项，以英文字符作为输入，选中此选项，以希伯来字符作为输入     

一般而言，Soundex不太适合。它是相当粗糙的，并且与英语有些协调。特别是，Soundex字符串的第一个字符是输入的第一个字符，因此，除非先将希伯来语字符音译为英语（拉丁语），否则您的英语/希伯来语示例将不会转换为相同的Soundex代码。西里尔字母和中文都有从本地字符集到拉丁语的音译-但操作方式有所不同。 研究Metaphone；但是，它在概念上类似于Soundex，并且具有类似的局限性。 我不知道跨语言的对等词。 我不知道IPA（国际语音字母）是否有帮助。您必须将英语和希伯来语翻译为IPA，然后使用一些相似性功能来关联相关的声音。