我对解析半结构化文本感兴趣。假设我有一个带有以下标签的文本：year_field、year_value、identity_field、identity_value、...、address_field、address_value 等等。

这些字段及其关联值可以在文本中的任何地方出现，但通常它们彼此靠近，并且更一般地，文本以（非常）粗糙的矩阵组织，但通常该值就在关联字段之后，最终中间有一些不感兴趣的信息。

不同格式的数量可以多达几​​十个，而且不是那么死板（不要计算间距，而且可以添加和删除一些信息）。

我正在寻找机器学习技术来提取所有感兴趣的（字段、值）。

我认为度量学习和/或条件随机场 (CRF) 可能会有很大帮助，但我对它们没有实际经验。

有没有人遇到过类似的问题？

关于这个主题的任何建议或文献？