如何识别文本中的模式并对其进行分类

Question

从存储药品描述的表格中，我需要确定每个条目的产品名称，强度，产品数量和制药公司。目标是获得具有预定义结构的表的副本。

当前表：

规范化表格

到目前为止，我已经阅读了一些自然语言处理，但我想知道另一种方法;我在考虑使用正则表达式，但有很多情况。

任何形式的见解都会受到赞赏。

Answer 1

根据您的示例，您的数据足够常规，正则表达式可能是一种很好的方法。您可以尝试的更复杂的方法是命名实体识别（NER）。 “纽约时报”使用CRF++从食谱中提取成分信息并撰写了here。