README.md

---
language:
- zh
license: apache-2.0
pipeline_tag: token-classification
tags:
- pytorch
- transformers
- named-entity-recognition
- token-classification
- ner
- ernie
- crf
- chinese-nlp
- person-name-extraction
- financial-documents
library_name: transformers
base_model: nghuyong/ernie-3.0-base-zh
---

# 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

```bash
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
```