Codificatore NYSIIS

NYSIIS—il codice fonetico del New York State Identification and Intelligence System—è stato progettato nel 1970 per indicizzare nomi di persone e famiglie con un'accuratezza di abbinamento superiore al classico Soundex americano. Mantiene una chiave alfabetica che preserva di più la forma ortografica originale e al tempo stesso collassa vocali e gruppi consonantici comuni così che omofoni e quasi-omofoni finiscano sullo stesso codice. Questo codificatore NYSIIS accetta una stringa nome non vuota, rimuove i non-lettere, applica le traduzioni standard di prefisso e suffisso, scansiona il resto con le regole ufficiali di collasso e restituisce il codice risultante insieme alla forma normalizzata usata per la codifica.

Come NYSIIS costruisce una chiave fonetica da un nome

NYSIIS inizia convertendo il nome in maiuscolo e conservando solo le lettere latine da A a Z; cifre, spazi, trattini, apostrofi e punteggiatura vengono rimossi, così un campo con O'Brien o brown, sr produce ancora un flusso stabile di lettere dopo la pulizia. Le regole di prefisso riscrivono l'inizio del nome: MAC diventa MCC, KN diventa NN, una K iniziale diventa C, PH o PF diventa FF, e SCH diventa SSS.

Le regole di suffisso riscrivono la fine: EE o IE diventa Y, e DT, RT, RD, NT o ND diventa D. La prima lettera di quella stringa trasformata resta come primo carattere della chiave.

Dalla seconda lettera in poi la scansione applica una regola alla volta: EV diventa AF; ogni altra vocale diventa A; Q diventa G; Z diventa S; M diventa N; KN diventa N e le altre K diventano C; SCH diventa SSS e PH diventa FF; H è sostituito dalla lettera precedente quando uno dei vicini non è una vocale; W dopo una vocale è sostituito da quella lettera precedente. Le lettere identiche adiacenti vengono collassate così le sequenze non si ripetono.

Al termine della scansione si rimuove la S finale, una coppia AY finale diventa Y e si rimuove una A finale.

Contratto di input, flag di vuoto, forma della risposta ed errori comuni

In caso di successo la risposta include code (il valore alfabetico NYSIIS), method uguale a nysiis così che i router a valle possano ramificare senza indovinare le forme, name che riecheggia la stringa originale, normalized con la sequenza A–Z maiuscola effettivamente codificata, empty sempre false in successo, e length uguale al conteggio caratteri originale prima del filtraggio. Non tratti NYSIIS come cifratura né come identificatore univoco di persona: molti cognomi non correlati possono ancora collidere, e quella collisione controllata è il vantaggio del fuzzy match, non un bug.

Preferisca questa landing quando l'intento di ricerca è codificatore nysiis, codice fonetico dello Stato di New York o name matching oltre Soundex; lo Soundex americano, lo spelling fonetico NATO e Metaphone rispondono a intenti diversi e restano su pagine separate. Le lettere accentate fuori dalla A–Z pura vengono rimosse con gli altri non-lettere, quindi fornisca una forma normalizzata ASCII se i dati sorgente usano diacritici e ha bisogno che quelle lettere partecipino.

Questa implementazione restituisce il codice completo dopo la pulizia finale invece di forzare un troncamento a sei caratteri, così i cognomi lunghi conservano il dettaglio extra per cui NYSIIS è stato progettato.

Dove il codice NYSIIS aiuta a confrontare nomi

Genealogisti e progetti di storia locale usano un codificatore NYSIIS per raggruppare cognomi di censimenti, tribunali e liste passeggeri registrati con ortografia inconsistente, trattenendo più forma di un bucket Soundex a quattro caratteri. Gli strumenti CRM e di customer support possono pre-raggruppare cognomi simili prima di una revisione umana senza montare un motore completo di entity resolution. Le demo in aula di algoritmi di indicizzazione storica necessitano di un oracolo deterministico che gli studenti possano chiamare dal browser mentre l'insegnante illustra alla lavagna le regole di prefisso e di vocale.

I notebook di data cleaning possono emettere NYSIIS come colonna di feature accanto a minuscole e Soundex nella costruzione di feature di entity resolution per il record linkage. I fallimenti di validazione non consumano mai il saldo dopo il rifiuto del motore.