我的问题是
我有一些全名是连写的,比如“davidrobert jones”。我想把它分割成“david robert jones”。
我测试了使用最长前缀匹配算法和姓名字典的解决方案,但这并不简单,因为一个名字可以有多种写法。我还添加了音韵匹配算法,但也有很多名字可能有相同的发音,因此非常模糊。
有什么最好的解决方案吗?我相信机器学习可能会有答案,但我对机器学习了解不多。
回答:
我认为你的问题类似于命名实体识别。命名实体识别(NER)是对文本中表示事物名称(如人名和公司名)的一系列词进行标记。在这篇文章的第5节中,有用于Named Entity Recognition
的Python方法。