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