我被提供了一个文本清理任务，我假设这涉及到一些自然语言处理。
我有一组没有任何特定模式的名称，我需要从该列表中分离出各个名称。
下面是一个例子：
John Batista Barack Obama George W. Bush Serafim Batzoglou Vijay Pande Fei Fei Li Oussama Khatib Kwame Nkrumah John Oliver
如您所见，该段落有两点特别之处。
1) 空格“”是唯一的分隔符，但是，它是不可用的，因为有些名字有中间名。
2) 我有法语、德语、西班牙语、汉语和其他民族发音用英语写的名字。
现在我面临的挑战是从这一段中找到名字。我对 NLP 非常陌生，使用 Python 和 R 进行建模工作。
任何帮助将不胜感激。
我不是这里的专家，所以这是我的（蛮力？）方法。
SeatGeek 开源了一个名为fuzzywuzzy的python 库，它非常适合文本匹配。它有一个称为token_set_ratio比较两个多词字符串并对其距离进行评分的函数。它可以只考虑单个单词的交集，并且只对那个交集进行评分。例如，“Barack Obama Bill Clinton Madeleine Albright”将在“Bill Clinton”中获得 100 分，但在“Bill Barack”中也将获得 100 分。
你需要建立一个已知名字的列表，根据他们是名人的列表来判断，快速的谷歌搜索会显示数百个为你准备好的网站。使用该列表，您可以循环遍历，计算分数token_set_ratio。如果著名的名字超过了你的字符串的某个阈值分数，你将它附加到捕获的名字列表中。