如何從難以找到模式的字符串列表中提取標記

Question

我正在從簡歷數據庫構建模型，我只想從候選人的簡歷中提取學位名稱。 我最初的方法是找到一個模式並使用正則表達式提取匹配項，但由於沒有明顯的模式，我的第二種方法是使用 nlp 並查看是否有任何標簽與我想要的字符串匹配。 我還考慮過是否已經制作了任何 API 或 python 庫，其中包含所有可能的學位名稱，但沒有成功。 以下是一些字符串：

'bachelor of Computer Science Engineering University : Anna Un'
'master of Information Technology University : Deakin Univer'
'diploma in Management 2016 M.Sc. of Computer Science (“Diplo']
'master of Analytics Concentration: Data handling and manage'
'master of Engineering (Software) University of Melbourne 20'
'bachelor of B USINESS INFOR MATIO N SY STEM S – Monash Univer'

但是，我已經提取了前兩個詞並將它們標准化為碩士、學士和文憑，如果這有幫助的話，因為它們采用不同的格式，如碩士、碩士等。以下是數據快照以獲取一些想法。 謝謝

Answer 1

我已經使用 Spacy 庫完成了這項工作。 有兩種方法可以這樣做，您可以查看 spacy 文檔：

1. 基於規則（基於模式）
2. 針對您的特定用例的自定義 NER 培訓。

您可以選擇上述之一。