Php 从非常可变的字符串中提取数据

我希望你能帮助我创建一个算法。 我需要的是从一个人输入的字符串中提取数据（一个不在乎我必须这么做的人）。在这个字符串中，他提出了语言要求。数据已经存在，因此要求用户正确输入数据已经太晚了。字符串可能如下所示：

"English   good   arabic   good   german   basic knowledges"

"good in english, a little bit german"

"english, german"

"english - very good, german - preferred"

现在我只想把重点放在德语和英语上。我想知道他们是否需要，如果可能的话，需要多少（可能是从1年级“稍微了解一点”到5年级“非常擅长”）

我想到了一种算法，将字符串拆分成单词（这不是问题），然后循环遍历，检测这个单词是指德语还是英语（可能是通过一些正则表达式，如

/（deu | ger）/Ui

和

/（eng）/Ui

），然后获得需求级别（棘手的部分来了），哪一个应该出现在下面或前面的单词中（或者根本不存在）

你对如何创建这样的功能有什么想法吗

---

它应该在PHP7 btw上运行，但这是关于算法的思想，而不是实现（尚未）。

此方法使用模糊集理论，可能只适用于80%。这并不坏，因为任何模糊算法都假设数据集中存在异常值

你的例子可以描述为

LANG1

+

分隔符

+

LANG2

+

分隔符

在哪里

LANG

=

NAME

+

形容词

或

形容词

+

NAME

分隔符

=

，

甚至可能是虚拟的

要解析
名称
和
形容词
，必须使用近似字符串匹配

我的意见：

LANG1
优于
LANG2
LANG
可以包含一个形容词
有些形容词可能会打断观察1。（我认为可以通过几个“如果”语句进行检查）
有些形容词可以用来估计知识水平
如果
LANG1
和
LANG2
之间的
separator
是虚拟的，我们可以添加
紧跟在
NAME1
get
approxer 1
之后，或紧跟在找到
NAME2
之前

要获得知识水平的评估，您必须：

使用
[0；1]
中的值手动估算前100个英语形容词-这一过程称为语言变量的模糊化
找到合适的类别（“好”、“坏”、“前中间”、“本地”等）和隶属函数，将这些估计区分为可理解的语言形式——这个过程称为
应用所有可能的规则（根据步骤2），您可以使用这些规则将知识估计为
1,2,3,4,5
将步骤3的结果反模糊化（mb最好说“聚合”）为英语和德语的整数
1,2,3,4,5
（分别）
如果您有一些关于用户的附加信息，这些信息可能对第3步有所帮助（就像我在观察1中所做的那样）-我认为您应该找到更多的观察结果，因为使用adjactives的估计是相当主观的。例如，如果你的用户年龄在14岁以下——我认为没有机会找到“高级”演讲者，但如果你的网站被称为“青少年德语”——他仍然可能得到“5”

PS：如果你能得到任何积极的结果，它可能是学术出版的好材料！）
 与其试图破译任何可以想象的组合，不如强迫一致的输入。可惜为时已晚。数据库已被填充。它根本不必是完美的。如果可能的话，我只想被发现。