Frame English Fast

🚀 Flairによる英語動詞の曖昧性解消 (高速モデル)

これは、Flair とともに提供される英語の高速動詞曖昧性解消モデルです。

F1スコア: 88,27 (Ontonotes) - Proposition Bank動詞フレーム を予測します。

Flair埋め込み とLSTM-CRFに基づいています。

🚀 クイックスタート

このモデルを使用するには、Flair 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

✨ 主な機能

• Flairを使用した英語の動詞曖昧性解消。
• OntonotesデータセットでF1スコア88,27を達成。
• Proposition Bank動詞フレームの予測。

📦 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。以下のコマンドを実行してください。

pip install flair

💻 使用例

基本的な使用法

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

# load tagger
tagger = SequenceTagger.load("flair/frame-english-fast")

# make example sentence
sentence = Sentence("George returned to Berlin to return his hat.")

# predict NER tags
tagger.predict(sentence)

# print sentence
print(sentence)

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

このコードを実行すると、以下のような出力が得られます。

Span [2]: "returned"   [− Labels: return.01 (0.9867)]
Span [6]: "return"   [− Labels: return.02 (0.4741)]

つまり、文 "George returned to Berlin to return his hat" の中で、"returned" は return.01（go back somewhere の意味）とラベル付けされ、"return" は return.02（give back something の意味）とラベル付けされます。

🔧 技術詳細

このモデルは、以下のFlairスクリプトを使用して訓練されました。

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

# 1. load the corpus (Ontonotes does not ship with Flair, you need to download and reformat into a column format yourself)
corpus = ColumnCorpus(
    "resources/tasks/srl", column_format={1: "text", 11: "frame"}
)

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

# 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 = [

    BytePairEmbeddings("en"),

    FlairEmbeddings("news-forward-fast"),

    FlairEmbeddings("news-backward-fast"),
]

# 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/frame-english-fast',
              train_with_dev=True,
              max_epochs=150)

📄 ライセンス

このモデルを使用する際には、以下の論文を引用してください。

@inproceedings{akbik2019flair,
  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={{NAACL} 2019, 2019 Conference of the North American Chapter of the Association for Computational Linguistics (Demonstrations)},
  pages={54--59},
  year={2019}
}

📚 ドキュメント

Flairの問題追跡ツールは こちら で利用できます。