我有许多不同的文本字符串。这些文本字符串是特定事物的标签。但是这些标签很草率，有时一个标签用于许多不同的事情。例如：
《棕狐 1999 版系列 1-6 EDI》
“Light [old] seasons 1,2,3,4 其他胡言乱语”
我想回答这个问题：“如果标签包含一个系列，那么该系列是否包含值 N？” 对于上面的示例，第一个中将包含 6 个，但第二个中不包含。
最初我想使用正则表达式，但很快就失控了。数字无处不在，人们可以通过分隔符变得非常有创意，并且标签中系列的位置不固定。标签表示系列的方式有很多种。
但是，我可以做的是生成带有系列的标签。我将抓住一堆分隔符，一个开始和一个结束数字并迭代。这给了我一个很好的标记训练集。
朴素贝叶斯想到了这个问题，但我不确定有什么好的功能。
更新
让我试着澄清一下。给定一个标签并给定一个数字，确定该数字是否包含在该标签内。
例如：鉴于我正在寻找第 2 季（数字）。《先驱者一号 2011 第 1-3 季》包含第 2 季吗？
所以有很多方法来表示一个系列。如果您不知道格式，您将如何解析系列以确定值？
确定标签是否有系列并不能让您了解系列中的特定数字。
2,3,5,7 解析为 4 个数字
6 是 1996 年吗？我假设这是一个数字和 1996 ！= 6
"55,56,57" 是带有 6 但不是数字 6 的系列
7-9 解析出 2 个数字还是 3 个数字
7-9 中是 6 吗？
如果 6 在 7-9 中，则将其标识为系列不回答该问题。
有多少种方式可以表示正则表达式失控的系列？对于每种格式的系列，您还需要解析值。您需要知道系列的格式才能解析出数字。我将一组正则表达式映射到一组解析器。
也许使用机器学习来识别新的系列格式，但您仍然需要解析系列。
我认为您的问题表述不当，但如果我理解它，您正在尝试将“好”数字（这里是电视节目季节的数字）与“坏”数字（例如，如果文本包含年份）分开1996”，而您正在寻找“6”，或在任何其他情况下为 6）。
朴素贝叶斯可能会做到这一点，也许将您的数字的邻域用作具有预定窗口的特征集？即，将出现在文本中的数字两侧的 X 标记用作您的功能集。你甚至可以用他们的词性和其他上下文证据来丰富它。