warfbro/Human-Name-extraction

人名提取 — Human Name Extraction

基于 ERNIE 3.0 + CRF 的中文金融批复人名提取工具。双模型集成架构，差异自动交 LLM 裁定。

模型说明

• 底模：ERNIE 3.0 Base (Chinese)，118M 参数
• 架构：ERNIE 编码器 → Linear(768→3) → CRF (BIO 标注)
• 任务：从金融监管批复标题中提取人名（B-PER / I-PER）
• 训练数据：2,530 条正例 + 1,000 条对抗负例（地名/公司名误识别）

双模型

权重文件	说明
finetune_best.pt	全参数微调（ERNIE 不冻结）
frozen_best.pt	冻结 ERNIE + 对抗训练

快速开始

pip install torch>=2.4.0 "transformers==4.46.0" pytorch-crf openpyxl pandas "numpy<2"

# 单模型提取
python extract.py input.xlsx output.xlsx

# 双模型集成（差异交 LLM 裁定）
python ensemble_extract.py input.xlsx output.xlsx

输入格式

xlsx：A 列（标题），L 列（机构名等需在标题中删除的内容）

输出

列	内容
A列	原始标题
B列	提取人名（、分隔）
C列	方法（一致/LLM裁定）
D列	姓名字数

流水线

标题 → L列机构名剔除 → 模型推理 → 去等N人 → 英文括号扩展 → 存在性校验 → 输出

LLM 配置（集成裁定用）

项目根目录 llm 文件，OpenAI 兼容格式：

api_key=sk-xxxxxxxx
api_url=https://api.deepseek.com/chat/completions
model=deepseek-chat

文件结构

├── config.py            # 全局配置
├── model.py             # 模型定义 (ErnieCRF)
├── extract.py           # 单模型提取入口
├── ensemble_extract.py  # 双模型集成提取
├── llm_resolver.py      # LLM API 调用
├── rule.py              # 规则提取（备选）
├── finetune_best.pt     # 模型A 权重
├── frozen_best.pt       # 模型B 权重
├── llm                  # LLM 配置模板
└── README.md            # 本文件