我有一个包含大约238583个人的名字的数据集。这些名字可能包含多个单词，例如：Willie Enriquez , James J Johnson, D.J. Khaled。我的问题是如何在句子中识别这些名字。我正在尝试创建一个机器学习模型，能够识别输入是否为名字。我的困扰在于如何确定这个模型的输入和输出。由于我有一大堆名字，我可以训练一个模型，当输入是名字时能够识别它，但对于句子中的其他词呢？模型也应该能够识别出不是名字的词。假设句子中可以包含任何其他词，那么用于此目的的理想数据集是什么？用一组随机的词并标记为非名字来训练模型是否合理？
（包含名字的完整句子不可用。用户可以输入任何他/她想要的内容）

谢谢。

回答：

答案的具体内容可能会根据您使用的模型有所不同，但总体思路大致如下：

您试图解决一个分类任务，确切地说是一个二元分类任务，您希望区分专有名词（从您的例子来看）和其他表达方式。

在最一般的情况下，您的模型的输入是您想要分类的例子的特征：您应该决定哪些特征对区分这些名字有用（例如，单词数量，是否包含大写字母，每个单词是否大写，是否包含点状字母，是否包含您已经在数据集中有的任何词，等等…）。输出是类别，即非名字/名字的0/1。

然后，您用您拥有的数据集中的正面例子和从随机词中选取的负面例子（即非名字）来训练您的模型。

如果用户可以输入完整的句子，那么您将需要进行一个预处理步骤，在此步骤中，您提取所有长度为N的序列（词n-gram），并使用您之前训练的模型对每个序列进行单独分类。