Ner German

🚀 ドイツ語の命名エンティティ認識（Flairのデフォルトモデル）

これは、Flair とともにリリースされる標準的な4クラスのドイツ語命名エンティティ認識（NER）モデルです。このモデルは Flair埋め込み とLSTM - CRFに基づいており、CoNLL - 03ドイツ語改訂版データセットでのF1スコアは 87.94 です。

🚀 クイックスタート

このドイツ語命名エンティティ認識モデルは、Flairとともに提供され、ドイツ語の文章から4種類の命名エンティティを高精度に識別できます。

✨ 主な機能

• 4種類のラベルを予測： | ラベル | 意味 | | ---- | ---- | | PER | 人名 | | LOC | 地名 | | ORG | 組織名 | | MISC | その他の名前 |

📦 インストール

このモデルを使用するには、Flair をインストールする必要があります。以下のコマンドでインストールできます：

pip install flair

💻 使用例

基本的な使用法

以下は、Flairでこのモデルを使用するサンプルコードです：

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

# load tagger
tagger = SequenceTagger.load("flair/ner-german")

# make example sentence
sentence = Sentence("George Washington ging nach Washington")

# predict NER tags
tagger.predict(sentence)

# print sentence
print(sentence)

# print predicted NER spans
print('The following NER tags are found:')
# iterate over entities and print
for entity in sentence.get_spans('ner'):
    print(entity)

上記のコードを実行すると、以下の出力が得られます：

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

これは、文 "George Washington ging nach Washington" で、エンティティ "George Washington"（人名 としてラベル付けされる）と "Washington"（地名 としてラベル付けされる）が識別されたことを示しています。

🔧 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_GERMAN
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. get the corpus
corpus: Corpus = CONLL_03_GERMAN()

# 2. what tag do we want to predict?
tag_type = 'ner'

# 3. make the tag dictionary from the corpus
tag_dictionary = corpus.make_tag_dictionary(tag_type=tag_type)

# 4. initialize each embedding we use
embedding_types = [

    # GloVe embeddings
    WordEmbeddings('de'),

    # contextual string embeddings, forward
    FlairEmbeddings('de-forward'),

    # contextual string embeddings, backward
    FlairEmbeddings('de-backward'),
]

# embedding stack consists of Flair and GloVe embeddings
embeddings = StackedEmbeddings(embeddings=embedding_types)

# 5. initialize sequence tagger
from flair.models import SequenceTagger

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

# 6. initialize trainer
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus)

# 7. run training
trainer.train('resources/taggers/ner-german',
              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：

@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}
}

📚 ドキュメント

使用中に問題が発生した場合は、Flairの問題トラッカー で報告することができます。