如何从难以找到模式的字符串列表中提取令牌

Question

我正在从简历数据库中构建一个模型，我只想从应聘者的简历中提取学位名称。我最初的方法是找到一个模式并提取与regex的匹配，但由于没有明显的模式，我的第二种方法是使用nlp，查看是否有任何标签与我想要的字符串匹配。我还考虑了是否制作了任何API或python库，其中包含了所有可能的学位名称，但没有成功。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'

然而，我已经提取了前两个单词，并在硕士、学士和文凭中对它们进行了标准化，如果这有帮助的话，因为它们的格式不同，如硕士、硕士等。下面是数据的快照，以获得一些想法。谢谢

Answer 1

我使用Spacy库完成了这项工作。有两种方法，您可以查看spacy文档：

1. 基于规则（基于模式）
2. 为您的特定用例定制NER培训

您可以选择上面的一个