从视频文件名提取结构化信息用什么训练好呢

正则提取名字和集数感觉怎么都有上限, 很多视频文件名(主要是动漫)千奇百怪, 想来问问想要自已跑一个简单的模型有什么选择呢? 目前的需求是:

1: 95 以上的准确率 2: n100 可跑 ( 是最后的目标, 前期主要是准确率)

主要在 BERT 和 LSTM(RNN) 中选,

纠结 BERT 主要还是数据真不够, 1w 就累死我了, 还有就是太大了,

LSTM 则是想效果会不会很一般

目前还是整理数据的阶段, 想请大佬指点一下 大概是这样 input: " [幻樱字幕组] [ 4 月新番] [古见同学有交流障碍症 第二季 Komi-san wa, Komyushou Desu. S02 ] [ 22 ] [ GB_MP4 ] [ 1920X1080 ] " output: '{"group": "幻樱字幕组", "title_en": "Komi-san wa, Komyushou Desu.", "resolution": "1920X1080", "episode": 22, "season": 2, "title_zh": "古见同学有交流障碍症", "sub": "", "title_jp": "", "season_raw": "", "source": ""}'

关注

调 LLM API, 某国产的便宜的就像不要钱.

@renmu #1 常用的是没什么问题的,但总会有些奇怪的 例如 [推しの子] 久保同学不放过我 / Kubo-san wa Mob wo Yurusanai - 10 (Sentai 1920x1080 AVC AAC MKV) [复制磁连] 还有各种格式 目前试过一遍, 没一个能大部份覆盖的

只有大模型不行，加上豆瓣信息

@gaobh #5 或者加上国外的那个叫什么来着

@gaobh #5 我只是把文件名结构化一下, 不用豆瓣或 tmdb 吧

@aminobody #3 不会提示, 效果不是很好 TVT

用大模型，给个格式示例，就全部给你结构化了，喂给免费的 gemini flash 模型 api ，一次分析 1 万个文件名，每天可用 1500 次