答案1
我認為這相當複雜。它是自然語言程式設計的一個分支（不是另一個 NLP，神經語言學 Pap）。您需要能夠匹配“here”和“hear” - 因此您需要分解元素，並將它們映射到語音等效項（h-“ere”和 h-“ere”）。有些拼字有不同的語音（咳嗽、犁、通過），或有更糟糕的同音異義詞（那裡、他們是、他們的群體），而且這些拼字可能因地區而異（在英國，車庫中的長或短“a”，例如圖表和玻璃）。當您進行語音對等時，它們並不總是單數。
一旦您獲得了語音等效項，您就可以使用各種啟發法來最小化它們之間的差異。對於詩歌，你可能需要過度強調詞尾的重要性——押韻主要取決於詞尾。您可能還需要詩的頭韻——悅耳的頭韻可能需要不同的權重。
我會參加一門關於 NLP 的免費線上大學課程 - 目前有好幾門。更了解解析語言的現代技術。 :)
答案2
您可以在相同長度的字串之間進行字串比較，並允許存在一個（或兩個）不匹配的字元。
不過，透過查看您的網站，我建議透過單字的語音表示來映射單詞，然後搜尋它們，將字串視為字元數組，並從後面開始比較。
要建立您的範例：near -> \'nir\ pear -> \'per\ Dear -> \'dir\arear -> \'rir\ 或 \'rer\ here -> \'hir\
（我在網路上抄襲了韋氏字典的音標，在這裡）
恐怕映射應該作為查找表完成並且無法編譯，因為英語沒有很強的發音規則...
不管怎樣，一旦你映射了你的單詞，你就可以比較它們的最後一個音素：在這種情況下，你可能想要查找以“ir\”結尾的單詞（在這種情況下，這將排除“pear”）。
這種方法看起來效率不是很高：如果我可以使用一些磁碟空間，我會保存搜尋以供將來參考：因此，當第二次使用查找所有與「near」押韻的單字時，應用程式只需加載已儲存的搜尋 - 因為字典通常不會發展太快。