我有大量的餐厅菜肴（例如，＃34; Pulled Pork＆＃34;，＆＃34; Beef Brisket＆＃34; ...）
我正在尝试＆＃34;规范化＆＃34; （错字）这些菜。我想要＆＃34;拉猪肉＆＃34;和＃34;拉猪肉三明治＆＃34;和＃34; Jumbo Pork Slider＆＃34;所有要映射到一个菜，＆＃34;拉猪肉＆＃34;。
到目前为止，我已经开始使用Python开始使用NLTK，并且在使用频率分布等方面玩得很开心。
有没有人有解决此问题的高级策略？也许我可以google一些关键词？
由于
答案 0 :(得分：1)
听起来你有效地试图在命名实体上做coreference resolution，其中实体是不同的菜肴。您可以查看cort和nltk-drt等项目。
然而，从你的例子来看，有点不清楚为什么拉猪肉三明治应该被认为是与拉猪肉相同的菜，所以你可能需要一种方法来提出你自己的训练集（例如从谷歌中剔除）标记实体与你想要的宽容度截然不同。