我有一个包含化合物名称及其成分的数据集。像下面

硫酸=>[H,S,O]（氢、硫、氧）草酸=>[H,C,O]草酸钠=>[Na,C,O]硫酸钾=>[K,S,O ] ...

现在我需要训练一个模型，它可以告诉我硫酸钠为 [Na,S,O]。请注意，硫酸钠表示训练数据集中没有的东西。我曾尝试寻找可能的想法，但没有任何想法。然后我认为它可能是层次聚类

 Sodium-Oxalate
    |    |
Oxalate  Sodium
|  |      |
C  O      Na

但是在层次聚类中，基/叶是不同的。但在这里它们是共享的。它就像一个图表。那么什么机器学习算法可以提供帮助呢？还有其他聚类吗？NLP/单词聚类（如果是的话）？

我能想到的另一种方法是Word2Vec，我为每个单词（C、H、Sodium）生成嵌入，所有这些都会有嵌入。并且基于更接近我所要求的词的内容，我将给出输出。但这需要大量的数据。我只有大约 1k 种常见化合物。并且该方法不会以较少的数据推广到任何此类问题。