从非结构化文本中逻辑提取数据
Extracting Data Logically from Unstructured Text
使用 NLP 解析如下非结构化文本的最佳方法？模型会是最好的解决方案吗？如果是这样，最好的开始方式是什么？
Prerequisite: Mathematics 408C and 408D with a grade of a C, and Physics 301 or 301K with a grade of a C.
这会导致类似
的结果
Mathematics 408C C, Mathematics 408D C, Physics 301 C or Physics 301 C
我试过只使用正则表达式，但句子结构可能要复杂得多且不一致。喜欢下面
Prerequisite: Architecture 415K with a grade of at least C; Mathematics 408C or 408K; and Physics 302K and 102M, or 303K and 103M.
期望的结果：
Architecture 415K C, Mathematics 408C or Mathematics 408K, Physics 302K and Physics 102M or Physics 303K and Physics 103M
您的输入文本不是真正的自然语言（包含信息的完整句子），而是 semi-structured，因此很难用 rule-based 和 semantics-based 方法处理。
基于 semantic/neural-model 的方法，例如在 huggingface (python/PyTorch) 中使用 pre-trained 问答模型，在这里可能有点不合时宜，但它可以帮助提供一些结构这几乎独立于以前的结构：
这种方法的好处是基本上独立于输入结构，例如参见input with full sentences or a bullet point list。
由于模型只有 returns 有效输出，如果问题从上下文中可以清楚地回答，您将不得不使用 rule-based 方法来获取先决条件中提到的课程列表，然后使用第一个答案为成绩创建一个有效问题。
但老实说，我想知道有多少种可能的方式来编写这样的列表。如果这只是一小部分文本，您还想为此付出多少努力。如果您展示更多示例，我们可以讨论可能的 rule-based 方法。
使用 NLP 解析如下非结构化文本的最佳方法？模型会是最好的解决方案吗？如果是这样，最好的开始方式是什么？
Prerequisite: Mathematics 408C and 408D with a grade of a C, and Physics 301 or 301K with a grade of a C.
这会导致类似
的结果Mathematics 408C C, Mathematics 408D C, Physics 301 C or Physics 301 C
我试过只使用正则表达式，但句子结构可能要复杂得多且不一致。喜欢下面
Prerequisite: Architecture 415K with a grade of at least C; Mathematics 408C or 408K; and Physics 302K and 102M, or 303K and 103M.
期望的结果：
Architecture 415K C, Mathematics 408C or Mathematics 408K, Physics 302K and Physics 102M or Physics 303K and Physics 103M
您的输入文本不是真正的自然语言（包含信息的完整句子），而是 semi-structured，因此很难用 rule-based 和 semantics-based 方法处理。
基于 semantic/neural-model 的方法，例如在 huggingface (python/PyTorch) 中使用 pre-trained 问答模型，在这里可能有点不合时宜，但它可以帮助提供一些结构这几乎独立于以前的结构：
这种方法的好处是基本上独立于输入结构，例如参见input with full sentences or a bullet point list。
由于模型只有 returns 有效输出，如果问题从上下文中可以清楚地回答，您将不得不使用 rule-based 方法来获取先决条件中提到的课程列表，然后使用第一个答案为成绩创建一个有效问题。
但老实说，我想知道有多少种可能的方式来编写这样的列表。如果这只是一小部分文本，您还想为此付出多少努力。如果您展示更多示例，我们可以讨论可能的 rule-based 方法。