解析半结构化数据-我可以使用任何分类器吗?

如果您的数据具有结构,可以使用语法来描述其中的一些结构。(传统上,你使用语法来识别它们能识别什么,通常是太多了,并且额外的语法检查来删去语法不能消除的内容)。

如果您使用的语法可以运行并行的潜在解析,这样就消除了不可行的解析, 您可以直接解析不同的顺序。(GLR解析器可以很好地做到这一点)。

想象你有描述数量的数字,描述各种对象的名词,以及动作的动词。 那么,可以接受不同项目顺序的语法可能是:

 G = SENTENCE '.' ;
 SENTENCE = VERB NOUN NUMBER ; 
 SENTENCE = NOUN VERB NUMBER;
 VERB = 'ORDER' | 'SAW' ;
 NUMBER = '1' | '2' | '10' ;
 NOUN = 'JOE' | 'TABLE' | 'SAW' ;

此示例非常简单,但它将处理:

 JOE ORDERED 10.
 JOE SAW 1.
 ORDER 2 SAW.

它还将接受:

 SAW SAW 10.

您可以通过添加一个外部约束来消除这一点,即参与者必须是人。

有很多方法可以做到这一点。这是一个活跃的研究领域,叫做: information extraction . 尤其是从半结构化来源中提取信息。