Ner Danish

🚀 Flairによるデンマーク語の固有表現認識 (デフォルトモデル)

これは、Flairに付属する標準的な4クラスのデンマーク語固有表現認識（NER）モデルです。このモデルは、Transformer埋め込みとLSTM - CRFに基づいて構築されています。

F1スコア: 81.78 (DaNER)

このモデルは以下の4つのタグを予測します。

🚀 クイックスタート

このモデルを使用するには、Flair が必要です。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

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

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

# サンプル文を作成
sentence = Sentence("Jens Peter Hansen kommer fra Danmark")

# NERタグを予測
tagger.predict(sentence)

# 文を表示
print(sentence)

# 予測されたNERスパンを表示
print('The following NER tags are found:')
# エンティティを反復処理して表示
for entity in sentence.get_spans('ner'):
    print(entity)

このコードは以下の出力を生成します。

Span [1,2,3]: "Jens Peter Hansen"   [− Labels: PER (0.9961)]
Span [6]: "Danmark"   [− Labels: LOC (0.9816)]

このように、文 "Jens Peter Hansen kommer fra Danmark" から、"Jens Peter Hansen"（人物とラベル付け）と "Danmark"（場所とラベル付け）のエンティティが検出されます。

🔧 技術詳細

このモデルは、DaNLPプロジェクトによって、DaNEコーパスを使用して学習されました。詳細については、彼らのリポジトリを確認してください。

以下のFlairスクリプトを使用して、このようなモデルを学習させることができます。

from flair.data import Corpus
from flair.datasets import DANE
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. コーパスを取得
corpus: Corpus = DANE()

# 2. 予測するタグを指定
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('da'),

    # 文脈的文字列埋め込み（前方）
    FlairEmbeddings('da-forward'),

    # 文脈的文字列埋め込み（後方）
    FlairEmbeddings('da-backward'),
]

# 埋め込みスタックはFlairとGloVe埋め込みで構成
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. 学習を実行
trainer.train('resources/taggers/ner-danish',
              train_with_dev=True,
              max_epochs=150)

📄 ライセンス

このモデルを使用する際は、以下の論文を引用してください。

@inproceedings{akbik-etal-2019-flair,
    title = "{FLAIR}: An Easy-to-Use Framework for State-of-the-Art {NLP}",
    author = "Akbik, Alan  and
      Bergmann, Tanja  and
      Blythe, Duncan  and
      Rasul, Kashif  and
      Schweter, Stefan  and
      Vollgraf, Roland",
    booktitle = "Proceedings of the 2019 Conference of the North {A}merican Chapter of the Association for Computational Linguistics (Demonstrations)",
    year = "2019",
    url = "https://www.aclweb.org/anthology/N19-4010",
    pages = "54--59",
}

詳細については、DaNLPプロジェクトを確認してください。

Flairのイシュートラッカーはこちらです。