利用python程序实现识别个人和企业性质

#因为同事要做个训练集，其中交易对手有个人和企业，但是因为现在这个数据集中的账户名称太乱了，同事用了暴力的做法，把所有账户名称超过3个字的都认为是企业，3个字的都是认为是个人，这个相对粗暴，我看到jieba的NER识别有个算法可以区分，做了小程序。

# 合并代码
import pandas as pd
import jieba.posseg as pseg

# 读取CSV文件
file_path = '识别文件.csv'
data = pd.read_csv(file_path)

# 定义一个函数来获取词性标注结果
def get_word_tags(name):
    words = pseg.cut(name)
    # 返回一个包含词和词性的列表
    return [(word.word, word.flag) for word in words]

# 应用函数到数据
data['词性标注结果'] = data['名称'].apply(get_word_tags)

# 显示处理后的数据
print(data)

# 保存结果到新文件
output_file_path = '名称识别NER过程.csv'
data.to_csv(output_file_path, index=False)

import csv

csv_file = '名称识别NER过程.csv'
results = []

with open(csv_file, newline='', encoding='utf-8') as csvfile:
    reader = csv.DictReader(csvfile)  # 使用DictReader方便通过列名访问数据
    for row in reader:
        name = row['名称']
        pos_tags = eval(row['词性标注结果'])  # 转换为列表

        # 检查是否包含'nr'，且没有其他可能表示企业或机构的词性
        is_person = any(tag[1] == 'nr' for tag in pos_tags)
        is_likely_company = any(tag[1] in ['ns', 'n', 'nt'] for tag in pos_tags)

        # 如果是人名且没有其他词性标注，认为是个人
        # 如果是人名但同时有其他词性标注，需要进一步分析
        if is_person and not is_likely_company:
            classification = '个人'
        elif is_person and is_likely_company:
            # 这里可以添加更复杂的逻辑来确定是个人还是企业
            # 例如，检查词性标注列表中'nr'的数量是否占多数
            if sum(1 for tag in pos_tags if tag[1] == 'nr') > 1:
                classification = '个人'
            else:
                classification = '企业'  # 默认情况下，如果不确定，可以认为是企业
        else:
            classification = '企业'

        results.append((name, classification))

for result in results:
    print(result)

# 保存结果到新文件
# 打开文件进行写入操作
with open('名称识别NER最终结果.csv', 'w', encoding='utf-8') as file:
    for item in results:
        # 将每个元组格式化为字符串，然后写入文件
        file.write(f"{item[0]}, {item[1]}\n")


# 使用 PyInstaller 创建可执行文件:
# 对于 Windows，运行:
# pyinstaller --onefile your_script.py

其中输入文件是识别文件.csv

格式如下：

这个程序对英文感觉不友好，所有英文都识别为企业。

我打算下个模型采用哈工大的HanLp来测试一下。