我的问题是要从表格中筛选出所有人的名字，即公司的名称、学校、机构的名称将保留在数据库中。

我尝试了一个简单的解决方案，我得到了一份公司、学校等名称的列表。我在其中搜索了最常见的术语。（注意：我没有搜索名称中的常见字符串，因为那会花费很多）。我给这些术语分配了权重，也给最常见的子字符串分配了权重。这样，如果字符串中包含corp、inc、school、univ，那么它极有可能不是人的名字。

现在，我的挑战是如何将其转化为AI。此外，我还需要使其能够更容易地仅对公司、仅对学校等进行分类。

例如

XYZ Brewery Corporation -> 公司Harvard University -> 学校Department of Health -> 政府机构

我所知道的AI技术只有Naive-Bayes、K-Means、层次聚类、FCM、ANN。这些技术通常处理数值数据，所以我不知道如何将其转化为AI。我所知道的唯一广泛处理字符串的AI技术是Levenshtein、词干提取、Needleman-Wunch和Jaro-Winkler。

我的第一种方法是否不正确？我如何将我所知道的技术结合起来？我是否需要学习新的技术？我对AI基本上还是新手，因为我还是学生。然而，这不是作业，而是公司项目（实际上我是我们小组中唯一的计算机科学专业学生，所以对我来说负担很重）。顺便说一下，如果你对我在使用什么语言感到好奇，我使用的是C#，因为我计划将其制作成一个独立应用程序，用户使用的是Windows操作系统。

回答：

不要急于尝试复杂的机器学习算法。你的常识和直觉可以帮你走得很远。
你拥有大量实体列表的想法非常好，如果你能找到世界上所有高等教育机构的列表，这对于学校来说可能会非常有效。如果你能编制这样一个列表，它不太可能包含世界上每一个大学，但对于所有实际目的来说，它可能会足够好。
从你已经编制的列表中，你可以计算每个类别实体中每个单字（即单词）和双字（即连续的两个词）出现的次数，并观察某些短语是否强烈倾向于某个类别（例如，’department of’可能主要出现在政府机构中，’inc’、’ltd’、’& co.’可能只出现在公司中，’university’、’school’、’college’可能主要出现在学校中）。你可以将这些想法形式化为一个Naive Bayes模型，但有一个更简单的规则，只需在一个大的if-then语句中检查某些短语，就可能达到90%的效果。