如何实现带优先级的关键词层级匹配与文本分类功能

这类带层级的匹配核心逻辑是按规则优先级从高到低做顺序命中，避免短关键词提前触发匹配导致归类错误。

核心匹配规则（优先级从高到低） #

• 最高优先级：文本中出现连续的「English Science Mathematics」关键词组合，归类为A类
• 次高优先级：未命中A类规则时，文本中出现连续的「Science Mathematics」关键词组合，归类为B类
• 最低优先级：未命中上述两类规则时，文本中出现单独的「Mathematics」关键词，归类为C类

注意：匹配时需要忽略大小写差异，否则会出现小写的english无法命中A类规则的问题；同时必须严格按优先级从高到低校验，不能先匹配短关键词，否则所有带Mathematics的文本都会被错误归为C类。

待分类示例文本 #

I like english science mathematics
Science Mathematics are my favourite
I hate Mathematics

预期分类结果 #

Column Description                      Category
I like english science mathematics      A
Science Mathematics are my favourite    B
I hate Mathematics                      C

通用实现步骤 #

1. 把所有匹配规则按优先级从高到低整理成有序映射表，长关键词组合排在最前面，示例结构参考：

规则列表（按优先级排序）:
[
    关键词组: ["english", "science", "mathematics"], 对应类别: A
    关键词组: ["science", "mathematics"], 对应类别: B
    关键词组: ["mathematics"], 对应类别: C
]

2. 单条文本预处理：去除首尾多余空格，将文本和匹配关键词统一转为小写/大写，按空格拆分为独立单词列表
3. 顺序遍历规则列表：
   • 校验当前规则的关键词组是否在文本单词列表中连续出现
   • 校验通过则直接返回对应类别，停止后续所有规则匹配
   • 遍历完所有规则无匹配则返回默认分类（如未分类）

内容的提问来源于stack exchange，提问作者Mini