我正在尝试解析一组数据，这些数据包含两部分（或一部分）有用的信息，但可能以多种不同的方式组织：

V01C01Vol 1 Chapter 1Chapter 1 Volume 1 - Alt titleV1.1etc.

我不想使用大量的正则表达式，因为无法预测所有可能的组织方式（而且有些数据可能包含多余的文本）。我觉得有一类机器学习方法可能非常适合这种情况，但我在这方面的经验不足，无法确定具体方法。

回答：

这确实是一个有趣的问题，有几种方法你可以尝试。

假设你的数据没有标签，那么我首先会尝试使用聚类算法（如k-means聚类，http://en.wikipedia.org/wiki/K-means_clustering）来检查每个实例之间的联系。请注意，这并不能直接解决你的问题，但可以帮助你探索数据，并希望找到一组特征来训练监督学习分类器。

如果你确实有数据标签，或者你可以手动标记数据集，那么你面对的问题就更容易处理了。乍一看，这很像是一个文本或文档分类问题（如将电子邮件分类为垃圾邮件/非垃圾邮件），在这种情况下，朴素贝叶斯分类器可能是解决问题的首选尝试，因为它是一个易于实现的算法，并且可以提供相当不错的结果。

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，基于这些假设我可能错了。或许如果你能澄清一些要点（比如你是否能够手动标记数据），我们可以进一步帮助你。