有一个学校专业的字符串，怎样识别出哪部分是学校名称和专业名称（ Java 实现）

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 1886 天前的主题，其中的信息可能已经有所发展或是发生改变。

比如一个字符串“北京大学软件工程”，“北京大学”和“软件工程”分别是学校名称和专业名称的变量，
假如有 2000 个学校和 1000 个专业，怎么识别出哪一部分是学校名称，哪一部分是专业名称呢？
用 2000 个学校去查询，再用 1000 个专业去查询，那查一次最多要查 3000 次，请问大家有没有好的解决方案。

名称

学校

专业

字符

28 条回复 • 2019-09-27 13:06:54 +08:00

OhYee

2019-09-27 00:40:00 +08:00 via Android

直接用大学或者学院把字符串分开就行吧，应该所有学校都是这俩词结尾吧

RicardoY

2019-09-27 00:41:09 +08:00 via Android

绝大部分学校按照大学和学院截断就可以解决问题了吧..截断以后查一下 hashset 确认一下是不是一个合法的解

Enya

2019-09-27 00:44:47 +08:00 via iPhone

先截学院，后截大学。

因为会有类似北京航空航天大学大学北海学院这种存在。

lihongming

2019-09-27 00:52:27 +08:00 via iPhone

用 SVM 吧，万一有很多不按规则说话的呢？

axwz88

2019-09-27 00:57:30 +08:00 via Android

@OhYee
@RicardoY
@Enya
感谢回复，截断的确是个最直接的方法，但很多学校名称不规则，比如"XX 集团 XX 所"，还有些大学有注释，比如"中国石油大学（华东）"，所以这种办法就行不通了。

Yourshell

2019-09-27 01:06:40 +08:00 via iPhone

想匹配不规则字符串的话只有 ml 之类的了

aguesuka

2019-09-27 01:10:26 +08:00 via Android

所有大学，塞一个 trietree 里面，先匹配大学，后面的就是专业课。嫌麻烦可以用 treemap

AX5N

2019-09-27 02:52:35 +08:00

2000 个学校不算多，我觉得直接预先把所有学校拉出来最好。

wmc

2019-09-27 03:13:48 +08:00 via Android

想起《数学之美》中 Google 地图关于地址信息的解析，这应该算是一种比较简单的上下文有关文法，Google 的做法是用自动机来进行街道->地区->城市->州的各个部分的匹配，感觉思路可能比较接近🤔

littlecap

2019-09-27 05:51:29 +08:00

先下载一个高校库，然后匹配一下就好了。如果需要我可以发给你。

mcorley

2019-09-27 08:52:21 +08:00

excel 导出，分列，剩下几十个特殊的手动一下就好了

nevin47

2019-09-27 08:55:56 +08:00 via Android

我要把这个帖子转给我的同事哈哈哈哈。

自从我司开始考试，我就天天听到一个论调就是考算法的东西完全没用😂😂😂终于发现一个实际问题了

这个问题如果不用数据库的话，绝对用 hash 最快啊，逐一阶段，然后去 hash 里面比对，就立刻找到属于哪个学校了

passerbytiny

2019-09-27 09:01:43 +08:00

人是怎么处理的，程序就怎么处理，以下为自动化层次逐步增高的几种方式：
逐条手工识别和拆分
↓
按已知规则自动拆分，然后人工逐条审核和纠正
↓
同上，每次审核后再将新发现的规则融合到拆分规则中（已初步是 AI ）
↓
上一层次执行多次后，将审核、融合新规则也弄成程序自动处理（已是 AI 或者人工智障）

passerbytiny

2019-09-27 09:06:32 +08:00

@nevin47 #11 ⁉ hash 还能部分匹配原文？