Duplikaterkennung - Partitionierung zur effizienten Duplikaterkennung in relationalen Daten - page 22

Fürst, Herzog, Graf) und Doppelnamen (z.B. Müller-Merkenich). Die Kölner Pho-
netik kombiniert die Namensbestandteile in verschiedenen Varianten und prüft an-
schließend jede einzelne Variante. Beispielsweise wird der Name „Van De Velde“
zusätzlich als „Vandevelde“, „Van“, „Van De“ „Van Velde“, „De Velde“, etc. abge-
speichert. Aufgrund des geringen Auftretens von Namensbesonderheiten sind die
zusätzlichen Kosten für die Berechnung der Kombinationen zu vernachlässigen.

Buchstabe Bemerkungen Symbol

A, E, I, J, Y, O,
U

und Verbindungen dieser Buchstaben, wenn sie Anlaute
darstellen. Im Wortrest werden sie nicht berücksichtigt

0

H -

B, P 1

D, T wenn nicht C, S oder Z folgt 2

F, PH, V, W 3

G, K, Q 4

C wenn im Anlaut und A oder H, K, L, O, Q, R, U, X folgt

im Wortrest, wenn A oder O, U, H, K, X, Q folgt 4

X wenn es nicht auf C oder K, Q folgt 48

L 5

M, N 6

R 7

S, Z 8

C wenn im Anlaut und nicht A oder H, K, L, O, Q, R, U, X

folgt

8

im Wortrest, wenn nicht A oder O, U, H, K, X, Q folgt
nach S oder Z

D, T wenn C oder S, Z folgt 8

X nach C oder K, Q 8

Tabelle 2.4: Kölner Phonetik Substitutionssymbole 53

Tabelle 2.5 zeigt Beispiele für die Kodierung der Kölner Phonetik. Ähnlich wie
beim Soundex-Verfahren führen kurze Namen zu Problemen. Bauer und Bayer
werden gleich kodiert, was ggf. zu Problemen führen kann.

53 vgl. [30], S. 928