Question

我希望你能帮助我创建一个算法。我需要的是从人类输入的字符串中提取数据（某人并不真正关心我必须这样做）。在这个字符串中他提出了语言要求。数据已经存在，所以要求用户正确输入数据已经太晚了。字符串可能如下所示：

"English   good   arabic   good   german   basic knowledges"

"good in english, a little bit german"

"english, german"

"english - very good, german - preferred"

现在我只想在这里专注于德语结束英语。我想知道他们是否需要，并且，如果可能的话，多少（可能通过等级形式1 - ＆＃34;知道一点点＆＃34;到5 - ＆＃34;完美的它＆＃34）

我想到了一个算法将字符串拆分成单词（这不是问题），然后循环遍历它们，检测这个单词是否意味着德语或英语（可能是某些正则表达式，如/(deu|ger)/Ui和/(eng)/Ui ）然后获得要求的级别（这里是棘手的部分），它应该位于以下或之前的单词中（或者它根本就不存在）。

您对如何创建此类功能有任何想法吗？

它应该在PHP7 btw上运行，但它是关于这里的算法的想法，而不是实现（还）。

Answer 1

此方法使用模糊集理论，可能仅适用于80％。它并没有那么糟糕，因为任何模糊算法都会假设数据集中存在异常值。

您的示例可以描述为

LANG1 + separator + LANG2 + separator

其中

LANG = NAME + adjective或adjective + NAME

separator = , ; .甚至可能是虚拟的。

要解析NAME和adjective，您必须使用近似字符串匹配。

我的观察：

LANG1优于LANG2
LANG可能包含形容词
一些形容词可能会破坏观察1.（我认为可以通过几个＆＃34; if＆＃34;语句来检查）
一些形容词可以用来估计知识水平
如果separator和LANG1之间的LANG2为虚拟，我们可以在;获取NAME1之后立即添加adjective1或就在NAME2被发现之前

要估算知识水平，您必须：

使用[0;1]中的值手动估算top100 eng形容词 - 此过程称为语言变量的模糊化
找到合适的类别（＆＃34;好＆＃34;，＆＃34;坏＆＃34;，＆＃34; pre-intermediate＆＃34;，＆＃34; native＆＃34;等）和成员函数将这些估计区分为可理解的语言形式 - 这个过程称为defuzzification
应用所有可能的规则（根据步骤2），您可以使用这些规则来估算知识1,2,3,4,5
去模糊化（最好说＆＃34;聚合＆＃34;）步骤3的结果为英语和德语的整数1,2,3,4,5（单独）

如果你有一些关于可能对第3步有帮助的用户的其他信息（正如我在观察1中所做的那样） - 我认为你应该找到更多的观察结果，因为使用adjactives的估计是相当主观的。例如，如果您的用户年龄低于14岁，则无法找到＆＃34; advanced＆＃34;我认为，但如果您的网站被称为＆＃34;德语为年轻人＆＃34; - 他仍然可以得到＆＃34; 5＆＃34;。

PS如果你得到任何积极的结果，它可能是学术出版物的好材料！））

从非常可变的字符串

1 个答案: