テキストの中のパターンを特定し、それらを分類する方法

Question

薬の説明を格納するテーブルから、各エントリの製品名、強度、製品の数量、製薬会社を特定する必要があります。目標は、あらかじめ定義された構造を持つテーブルのコピーを持つことです。

現在のテーブル：

正規化されたテーブル：

これまでのところ、私は自然言語処理の少し読んだが、私は別のアプローチを知りたいです。私はRegexを使うことを考えていましたが、多くの場合があります。

あらゆる種類の洞察が認められるでしょう。

Answer 1

あなたの例に基づいて、あなたのデータは十分に正規表現でよいでしょう。試みるより洗練されたアプローチは、名前付きエンティティの認識（NER）です。 New York TimesはCRF++を使ってレシピから成分情報を抽出し、それについてhereと書いた。