Ner Multi

🚀 Flairによる4言語（英語、ドイツ語、オランダ語、スペイン語）の固有表現認識

このプロジェクトは、4種類のCoNLL - 03言語に適用可能な標準的な4クラス固有表現認識（NER）モデルであり、Flairライブラリとともに提供されています。このモデルは、フランス語などの関連言語に対しても一定の効果があります。

F1スコア：92.16（CoNLL - 03英語）、87.33（CoNLL - 03改訂版ドイツ語）、88.96（CoNLL - 03オランダ語）、86.65（CoNLL - 03スペイン語）

このモデルは、4種類のラベルを予測することができます。

このモデルは、Flair埋め込みとLSTM - CRFをベースに構築されています。

🚀 クイックスタート

このモデルを使用するには、**Flair**ライブラリをインストールする必要があります。以下のコマンドを使用してインストールできます。

pip install flair

💻 使用例

基本的な使用法

from flair.data import Sentence
from flair.models import SequenceTagger

# タガーをロード
tagger = SequenceTagger.load("flair/ner-multi")

# 4つの言語のいずれかでサンプル文を作成
sentence = Sentence("George Washington ging nach Washington")

# 固有表現認識ラベルを予測
tagger.predict(sentence)

# 文を印刷
print(sentence)

# 予測された固有表現認識スパンを印刷
print('The following NER tags are found:')
# エンティティをループして印刷
for entity in sentence.get_spans('ner'):
    print(entity)

上記のコードは、以下の出力を生成します。

Span [1,2]: "George Washington"   [− Labels: PER (0.9977)]
Span [5]: "Washington"   [− Labels: LOC (0.9895)]

したがって、文 “George Washington ging nach Washington” では、エンティティ “George Washington”（人名としてラベル付けされています）と “Washington”（地名としてラベル付けされています）が認識されました。

🔧 技術詳細

トレーニングスクリプト

以下は、このモデルをトレーニングするためのFlairスクリプトです。

from flair.data import Corpus
from flair.datasets import CONLL_03, CONLL_03_GERMAN, CONLL_03_DUTCH, CONLL_03_SPANISH
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 多言語コーパスを取得
corpus: Corpus = MultiCorpus([
    CONLL_03(),         # 英語コーパス
    CONLL_03_GERMAN(),  # ドイツ語コーパス
    CONLL_03_DUTCH(),   # オランダ語コーパス
    CONLL_03_SPANISH(), # スペイン語コーパス
    ])

# 2. 予測するタグのタイプは何か？
tag_type = 'ner'

# 3. コーパスからタグ辞書を作成
tag_dictionary = corpus.make_tag_dictionary(tag_type=tag_type)

# 4. 使用する各埋め込みを初期化
embedding_types = [

    # GloVe埋め込み
    WordEmbeddings('glove'),

    # FastText埋め込み
    WordEmbeddings('de'),

    # 文脈依存文字列埋め込み、順方向
    FlairEmbeddings('multi-forward'),

    # 文脈依存文字列埋め込み、逆方向
    FlairEmbeddings('multi-backward'),
]

# 埋め込みスタックは、FlairとGloVeの埋め込みで構成されています
embeddings = StackedEmbeddings(embeddings=embedding_types)

# 5. シーケンスタガーを初期化
from flair.models import SequenceTagger

tagger = SequenceTagger(hidden_size=256,
                        embeddings=embeddings,
                        tag_dictionary=tag_dictionary,
                        tag_type=tag_type)

# 6. トレーナーを初期化
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus)

# 7. トレーニングを開始
trainer.train('resources/taggers/ner-multi',
              train_with_dev=True,
              max_epochs=150)

📄 引用

このモデルを使用する場合は、以下の論文を引用してください。

@misc{akbik2019multilingual,
  title={Multilingual sequence labeling with one model},
  author={Akbik, Alan and Bergmann, Tanja and Vollgraf, Roland}
  booktitle = {{NLDL} 2019, Northern Lights Deep Learning Workshop},
  year      = {2019}
}

@inproceedings{akbik2018coling,
  title={Contextual String Embeddings for Sequence Labeling},
  author={Akbik, Alan and Blythe, Duncan and Vollgraf, Roland},
  booktitle = {{COLING} 2018, 27th International Conference on Computational Linguistics},
  pages     = {1638--1649},
  year      = {2018}
}