Discussion :

[riyahi]

Salut tous le monde,
J’ais une base de données qui contiens les nom des clients d’un entreprise,
Dans cette entreprise ils on oublie d’ajoute la contrant unique pour les clients
Pour cella en trouve des clients duplique (par exemple : jaque, jak , jack)
Y a-t-il des algorithme pour chercher ces nom duplique.

Merci d’avance

[McM]

C'est pas très clair..
Tu veux regrouper des clients ayant des noms qui phonétiquement sont proches ?

[pifor]

La fonction SOUNDEX peut être utilisée pour faire des comparisons phonétiques en SQL.

[riyahi]

La fonction SOUNDEX peut être utilisée pour faire des comparisons phonétiques en SQL.

C’est une très très bonne solution
Merci cher ami.

Mais dans le cas par exemp ( jaque brel, brel jack)

y-t-ile une solution

[Wurlitzer]

Tu n'as rien en natif de mieux que le SOUNDEX, on a fait des choses chez nous sur un sujet comparable, cela a pris des semaines de développement.

En gros le soucis est de trouver des critères suffisamment large pour regrouper des noms différents mais aussi d'autres critères (par exemple la date de naissance) pour ne pas faire de faux rapprochement .

Tu peux très bien avoir deux Jacques Brel (avec exactement la meme orthographe) dans ta base qui soient deux clients différents.

[laurentschneider]

j'ai plutôt entendu dire que SOUNDEX était surtout pour comparer en anglais... et pas très doué non plus!

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
 
SQL> select soundex('jacques'),soundex('jacque') from dual;
 
SOUN SOUN
---- ----
J220 J200
 
SQL> 
SQL> select soundex('enoughsssssssssssssssss'),soundex('enaghhhhhhhhhhhhhhhhhhhhhgrrrrrrr') from dua
 
SOUN SOUN
---- ----
E522 E522
 
SQL> select soundex('coucou'),soundex('caca') from dual;
 
SOUN SOUN
---- ----
C200 C200

[Wurlitzer]

Oui, c'est aussi la conclusion à laquelle sont arrivé nos équipes de dev.

Ils ont développé d'autre Algorithme plus efficace (Jaro Wrinkler il me semble, ils avaient trouvé pas mal d'article de recherche sur le sujet) pour la comparaison de nom. Mais comme, je le disais comparer les noms même avec le meilleur algo du monde est très insuffisant.

[riyahi]

Oui vraiment j’ai utilisé SOUNDEX et il ma donnée des meilleurs résultats
Mais j’ai trouve une difficulté de cherche des nom composée comme (‘mouamed ali abdellah’, ‘ali mouhamed abdellah’ ‘abdellah ali mouhamed’)

Merci cher mais

[laurentschneider]

év. un truc du style :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
select
  n, 
  ora_hash(soundex(regexp_substr(n,'[[:alpha:]]+')))+
  nvl(ora_hash(soundex(regexp_substr(n,'[[:alpha:]]+',1,2))),0)+
  nvl(ora_hash(soundex(regexp_substr(n,'[[:alpha:]]+',1,3))),0) hash
from t;

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
N                           HASH
--------------------- ----------
mouamed ali abdellah  7342301036
ali mouhamed abdellah 7342301036
Jo Cocker             3891533565

[riyahi]

év. un truc du style :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
select
  n, 
  ora_hash(soundex(regexp_substr(n,'[[:alpha:]]+')))+
  nvl(ora_hash(soundex(regexp_substr(n,'[[:alpha:]]+',1,2))),0)+
  nvl(ora_hash(soundex(regexp_substr(n,'[[:alpha:]]+',1,3))),0) hash
from t;

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
N                           HASH
--------------------- ----------
mouamed ali abdellah  7342301036
ali mouhamed abdellah 7342301036
Jo Cocker             3891533565

Merci mon ami
Tu px m’explique se que tu viens de dire
J’ai pas bien compris les codes

[laurentschneider]

tu as plusieurs chaines, notées [[:alpha:]]+, pour chaque chaine tu évalues le SOUNDEX, ensuite tu sommes les hash afin de trouver les enregistrements identiques.

Selon les règles du forums que tu ferais bien de relire, il faut toujours spécifier ta version, sinon pas de réponse

[riyahi]

tu as plusieurs chaines, notées [[:alpha:]]+, pour chaque chaine tu évalues le SOUNDEX, ensuite tu sommes les hash afin de trouver les enregistrements identiques.

Selon les règles du forums que tu ferais bien de relire, il faut toujours spécifier ta version, sinon pas de réponse

Merci mon ami