Discussion :

[EvaristeGaloisBis]

bonjour,
je me pose une question très bête en ce dimanche après midi, mais la réponse doit être un poil ardue puisque je ne la trouve pas.
Voila j'ai deux listes A et B. Chacune d'elle comporte des noms quelconques (prénoms, nom de sociétés, d'objets etc etc).
Comment faire pour verifier si un nom de A se trouve dans B, sachant qu'il peut y avoir des fautes d'orthographe.

Exemple.
Liste A = Nicolas, Fnac, voeylles, imprimantes.

Liste B= Bob, Société Anonyme Fnac, voyelle, choux, villes, nIcolas.

résultat de l'algo (disons que c'est une fonction booléenne).
f(Nicolas) = vrai 'facile
f(Fnac) = vrai 'un peu plus difficile mais facile
f(voeylles)= vrai 'très dur d'un coup
f(imprimantes) = faux. 'facile a premiere vue

On voit qu'il y a aucun problème pour les mots strictement identique (a la casse pres), mais que les choses se gatent ne serait ce que si un mot est au pluriel, ou qu'une faute de frappe ce soit glissée dans la liste.
Pour les faute d'orthographe on peut imaginer un systeme de permutation de lettre... mais c'est sans oublier la finesse du langage et des anagrames. Par exemple : cafe, face.

Alors je pensais utiliser un peu de logique "floue", mais ça ne m'avancerait pas plus en fait.

Comment procèderiez vous?

[oiffrig]

Il y a divers algorithmes pour calculer des "distances" entre deux chaînes de caractères, notamment la distance de Levenshtein

[Zavonen]

Une autre piste pourraît être l'écriture 'phonétique'. Suivant les règles usuelles du français chaque mot doit se prononcer d'une certaine manière. Il existe même un système international de transcription. On peut décider de juger équivalents deux mots ayant la même phonétique, sauf s'il existe des homophones. Dans ce dernier cas on ne fusionne pas pin <> pain <> peint
mais voitur = voiture = voiturre.
Dans tous les cas le système doit avoir recours à un dictionnaire complet.
Je pense que Google utilise un truc du genre quand il corrige l'orthographe des mots clés avant une recherche.

[acx01b]

salut

à mon avis il faut faire un équivalent de la distance Levenshtein mais en sauvegardant la liste des éléments en trop, et la liste des éléments qui manquent

ensuite si un élément est en trop à un endroit et qu'il manque à un autre on diminue l'erreur en fonction

sinon il y a aussi le cas des lettres voisines sur le clavier

ça ne doit pas poser trop de problème de faire un automate capable de prendre en compte tout celà !

[souviron34]

ça ne doit pas poser trop de problème de faire un automate capable de prendre en compte tout celà !

Si c'était si facile, pourquoi donc les correcteurs orthographiques ne seraient pas parfaits ??

En général, les plus évolués prennent en compte : la sémantique, l'orthographe, la phonétique, et le contexte (avant et après).

Déjà tout ça c'est un bon paquet...

Et malgré ça, ils ne suivent pas les effets de style, l'écriture littéraire, sans compter les effets comme Sartre dans "L'Age de raison", où dans la même phrase 3 vies qui n'ont rien à voir se mélangent..