NYSIISエンコーダー

NYSIIS（New York State Identification and Intelligence System の音声コード）は、1970年に設計され、古典的なアメリカ式 Soundex よりも高い照合精度で個人名・家族名を索引化します。元の綴りの形をより多く残すアルファベットキーを保ちつつ、母音とよくある子音群を折りたたみ、同音・近似同音が同じコードに載るようにします。この nysiis エンコーダーは空でない名前文字列を受け取り、非文字を取り除き、標準の接頭・接尾変換を適用し、公式の潰し規則で残りを走査して、結果コードと符号化に使った正規化形を返します。

NYSIIS が名前から音声キーを組み立てる仕組み

NYSIIS は名前を大文字化し、ラテン文字 A–Z のみを残します。数字・空白・ハイフン・アポストロフィ・句読点は取り除かれるため、O'Brien や brown, sr のフォーム欄でも掃除後は安定した文字列になります。接頭規則で名前の先頭を書き換えます。

MAC→MCC、KN→NN、先頭の K→C、PH/PF→FF、SCH→SSS です。接尾規則で末尾を書き換えます。EE/IE→Y、DT/RT/RD/NT/ND→D です。

変換後の文字列の先頭文字がキーの先頭になります。2文字目以降は1規則ずつ適用します。EV→AF、その他の母音→A、Q→G、Z→S、M→N、KN→N およびその他の K→C、SCH→SSS および PH→FF、隣が母音でないとき H は直前文字に、母音の後の W は直前文字に置き換えます。

隣り合う同一文字は潰し、連続が繰り返されないようにします。走査後は末尾の S を削除し、末尾の AY を Y にし、末尾の A を削除します。テストに固定できる古典例は Bishop→BASAP、Willis→WAL、Matthews→MAT、Jacobs→JACAB、knight→NAGT、Mackenzie→MCANSY です。

入力契約・空フラグ・応答形とよくある誤り

成功時の応答には、NYSIIS のアルファベット値である code、形を嗅がずに分岐できるよう method が nysiis、元文字列を返す name、実際に符号化した大文字 A–Z 列の normalized、成功時は常に false の empty、除去前の元文字数の length が含まれます。

NYSIIS を暗号化や個人の一意識別子として扱わないでください。無関係な姓でも衝突し得ますが、その制御された衝突はファジー照合の利点であり不具合ではありません。

検索意図が nysiis エンコーダー、ニューヨーク州音声コード、Soundex を超える名前照合のときはこのランディングを選び、アメリカ式 Soundex・NATO 音声綴り・Metaphone は別意図のため別ページに置きます。

純粋な A–Z 以外のアクセント文字は他の非文字と同様に除去されるため、ソースにダイアクリティカルがある場合で参加させたいときは ASCII 正規化形を渡してください。本実装は6文字への強制切り詰めではなく末尾掃除後の完全コードを返すため、長い姓も NYSIIS が想定した追加の詳細を保てます。

NYSIISが名前の照合で役立つ場面

系譜学者や地域史プロジェクトは、綴りが一貫しない国勢調査・裁判・乗客名簿の姓を、4文字 Soundex バケットより形を残しつつグループ化するために nysiis エンコーダーを使います。CRM とカスタマーサポートは、完全なエンティティ解決エンジンを立てずに、人間レビュー前に似た姓を事前クラスタできます。

歴史的索引アルゴリズムの授業デモには、教師が接頭・母音規則を板書で説明しながら学生がブラウザから呼べる決定論的オラクルが必要です。データ清掃ノートブックは、レコードリンケージ用のエンティティ解決特徴を作るとき、小文字や Soundex 列の隣に NYSIIS を特徴列として出せます。エンジンが拒否した検証失敗は残高を消費しません。

元名は他の KIT parse アイテムと同じ保持規則に従い、アルゴリズムはアイソレート間で完全に決定論的なため結果を CI フィクスチャに固定できます。本ツールは名前と短いラベル向けで、数メガバイトの文書向けではありません。

後段が別の音声・暗号方式を要する場合にのみ他のテキストユーティリティと組み合わせ、SEO 意図を鋭く保つため NYSIIS は専用ランディングに置き、アルファベットコードが Soundex と比べてできること・できないことについてガイドを誠実に保ちます。