Neural network 使用不可靠数据的字符串模式匹配

我知道关于字符串模式匹配有几个方面，但我觉得我的情况略有不同

我有一个用户输入的索赔编号列表，每个索赔编号都是唯一的。每个索赔编号可以采用不同的格式，这完全取决于用户以及他们提供给我们的实际完整索赔编号的多少。我们不知道保险公司的索赔格式是什么，他们不会与我们分享

假设我们的用户输入了以下索赔编号

保险承运人X索赔编号： 04756G215 04759Q696 04760G279 04760T844 00631F546 006G34549 006J73029

保险承运人Y索赔编号： 000628948-014 01-VK4994-0 01-VW6183-4 01-WC20436 12082356 01VL0063-6 01WB16121 03-016298-2 03-165476-3 1000-66-0792 1000-66-3808 1000-67-8667 1000-68-1360 1000-68-1686 1000-68-8494 1000-69-5647 1000-69-6905

保险承运人Z： 42RBB903752 444F09799 51RBB672507 51RBC153279 55RBB120866 55RBB339718

正如您所看到的，不同的格式。另外，我确信我不能依靠用户输入正确的代码，他们经常忽略其中的一部分，因为该部分可能包含一些索赔办公室代码，我们根本不知道

知道了这一点，我想在一个系统中输入一个索赔编号，告诉我它可能属于哪个承运人

所以55RBB339719很可能会给我carrier Z

神经网络是未来的发展方向吗？模糊逻辑

更新： 这里有一个要匹配的字符串模式 51RAB435220

正如你所看到的，它是相同的模式（2位，3个字符，6位）

但是，用户可以输入RAB435220，因为前两位数字可能不重要，这意味着它们可能是部门代码，而不是实际的索赔编号。可能只有最后6位是有效数字。

---

困难的是我们不知道有效数字是什么。

如果其中有破折号，载体Y，如果前四个字符中有R、B或F，那么载体Z，否则载体X。这会捕获所有测试用例，不是吗？“我们不知道保险公司的索赔格式是什么，他们不会与我们分享。”-什么？为什么不呢？有时候用户会忽略破折号，因为他们很懒，不太在意。不幸的是，这些用户不在我们的控制之下。我们不知道格式，因为我们的运营商喜欢保护他们的小秘密，即使我们是他们的重要供应商。我有一个非常小的样本，重点是我们不知道我们的用户将省略或包含什么。您应该尝试编辑距离（Levenstein）或序列对齐（Smith waterman，Neederman Wunsch）的算法，我不确定哪一个最适合您的场景。如果要搜索的文本很长：使用近似字符串匹配（但后一种方法会将不匹配限制在您选择的固定数量）。我不确定任何距离类型搜索或近似搜索是否真的能在这里工作。数字可以完全不同，但是模式可能相似（三个数字、三个字符、三个以上的数字）。最好通过添加这样的场景来更新您的示例。