machine-learning - 解析非均匀数据

Question

我正在尝试解析包含两个(或一个)有用部分的数据集合，但可能以多种不同的方式组织:

V01C01
Vol 1 Chapter 1
Chapter 1 Volume 1 - Alt title
V1.1
etc.

我不想使用大量的正则表达式，因为无法预测事物的组织方式的所有组合(而且有些组合会有无关的文本)。我觉得机器学习的一个分支可能非常适合这个，但我在这方面的经验还不够多，无法了解。

Answer 1

这确实是一个有趣的问题，您可以尝试一些事情。

假设您的数据上没有标签，那么我要做的第一件事是使用 k-means ( http://en.wikipedia.org/wiki/K-means_clustering ) 等聚类算法检查每个实例之间的连接，保持请记住，这不会解决您的问题，但会帮助您探索数据，并希望找到一组特征来训练监督学习分类器。

如果您的数据确实有标签，或者您可以手动标记您的数据集。那么你就面临着一个更容易管理的问题。乍一看，它看起来很像文本或文档分类问题(例如将电子邮件分类为垃圾邮件/无垃圾邮件)，在这种情况下，朴素贝叶斯分类器可能是解决该问题的良好首次尝试，因为它是一种易于实现的算法并能提供合理的良好结果。

关于朴素贝叶斯分类器 ( https://www.bionicspirit.com/blog/2012/02/09/howto-build-naive-bayes-classifier.html )

我在这里做了一些假设，基于此我可能是错误的。也许如果您澄清一些要点(例如您是否能够手动标记数据)，我们将能够为您提供进一步的帮助。