我正在解决一个问题，我不确定机器学习是否是这里的理想候选者。
我在他们的别名上有一个位置列表。这是我计划用来训练模型的一组监督数据。使用它，我想在从大型文本语料库中提取的列表中识别它们。挑战在于这些位置是外国名称，因此它们的拼写方式多种多样。
训练数据
名称：澳大利亚（AUS, Australea, down under）
名称：维也纳（VNA，欧洲之珠）
语料库数据
Austrea
Country down south
Oustralea
the europe jewel
我在这方面完全是新手，所以如果你能描述一下，我将不胜感激。
谢谢
【问题讨论】：
标签： machine-learning
我不太确定你在做什么，但让我们通过以下方式继续你的任务：
机器学习部分会检查对应的含义。 重点是使用 metric 来评估，对于语料库数据的每一行，哪个位置最有可能被引用。为此，您可以处理训练数据、语料库数据以及评估两者之间联系的指标。
训练数据
一种工作方式是增加训练集中的信息。例如，从
名称：澳大利亚（AUS, Australea, down under）
到
名称：Australie（[AUS, Australia], [austral, australia, australea, oustralia], [down under, country down south], [kangooros, Sydney, Canberra]）
您注意到，现在，参数被收集在组中（当然，您可以定义自己的），并且每个都可以使用机器学习技术进行处理：
语料库数据
您的语料库可能非常异构。一些预处理可能很有用，例如对它们进行标记，因此您可能会看到，在许多语言中，澳大利亚总是以“austral”开头（不要忘记使用小写、unicode、无重音...）。
您还可以删除不提供任何信息的停用词“the”、“a”、...某些库提供了它们（对于 Python，您可以查看 BeautifulSoup），但在您的情况下，您可能需要自定义它们手工。
指标
这部分定义了每个语料库数据如何接近（从数学上讲，不是从地理上）到训练数据的每个位置。然后你选择 closer
对于每个语料库数据：
down under 和down south
最后，一个好的算法会结合这些技术和其他一些技术。在使用机器学习技术之前有很多预处理工作要做，但从一个简单的算法开始并改进每个薄弱部分绝对是可行的。
【讨论】：