我想知道机器学习领域中哪种技术可以解决下面的问题？（例如：分类、CNN、RNN等）
问题描述：
用户输入一个字符串，我希望分解这个字符串以获取我想要的信息。例如：
- 用户输入”R21TCCCUSISS”，经过代码分解后，我得到的信息：”R21″是产品类型，”TCC”是批号，”CUSISS”是原产地
- 用户输入”TT3SUAWXCCAT”，经过代码分解后，我得到的信息：”TT3S”是产品类型，”SUAW”是批号，”X”是用户输入的错误字符，”CCAT”是原产地
产品类型、批号和原产地的字符串长度不固定。例如，产品类型可能是”R21″或”TT3S”，意味着产品类型可能包含2或3个字符。
此外，有时字符串可能包含错误的输入信息，如上例2中的”X”所示。
我尝试寻找相关的解决方案，但最相关的我找到的是这个：https://github.com/philipperemy/Stanford-NER-Python
然而，我得到的字符串不是句子。句子包含空格和语法，但我的字符串不符合这种情况。
回答：
你的问题不适合用任何机器学习方法合理解决，因为你有一份定义好的产品类型列表，可能不存在任何简单的逻辑，而且通常你不会在连续空间（如向量空间等）中工作。机器学习的目的是从少量数据中构建回归函数，并希望/期待良好的泛化能力（回归函数适用于所有未见过的例子，过去、现在和未来）。
基本上，你是在尝试逆向工程输入的语法和生成过程（这可能是由一个算法完成的，包括可能的随机数生成器）。但为了确认你的分类函数正常工作，你需要所有数据也都是真实数据，这违背了机器学习的原则。
你需要列出所有定义好的产品类型（真实数据），并将输入的各个部分（是否使用正则表达式模式）分散到不同类型中（批号、原产地）。所谓的“学习”实际上是在构建一个函数（或几个函数，每个类型一个），逐个元素地填充一个映射（C++）或字典（C#），并使用它来解析输入。
