Ner English

🚀 Flairによる英語の固有表現抽出 (デフォルトモデル)

これは、Flair で提供される標準的な4クラスの英語固有表現抽出（NER）モデルです。

F1スコア: 93,06 (修正済みCoNLL - 03)

以下の4つのタグを予測します:

このモデルは、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、まず 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

✨ 主な機能

• 英語の固有表現を4クラス（PER、LOC、ORG、MISC）に分類します。
• 高いF1スコア（93,06）を持ち、精度が高いです。
• Flair埋め込みとLSTM - CRFを用いたモデル構造です。

💻 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-english")

# サンプル文を作成
sentence = Sentence("George Washington went to Washington")

# 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]: "George Washington"   [− Labels: PER (0.9968)]
Span [5]: "Washington"   [− Labels: LOC (0.9994)]

つまり、文 "George Washington went to Washington" から、エンティティ "George Washington"（人物とラベル付け）と "Washington"（場所とラベル付け）が検出されます。

🔧 技術詳細

このモデルは、Flair埋め込みとLSTM - CRFを用いて訓練されています。以下は、このモデルを訓練するためのFlairスクリプトです。

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

# 1. コーパスを取得
corpus: Corpus = CONLL_03()

# 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('glove'),

    # 順方向の文脈文字列埋め込み
    FlairEmbeddings('news-forward'),

    # 逆方向の文脈文字列埋め込み
    FlairEmbeddings('news-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. 訓練を実行
trainer.train('resources/taggers/ner-english',
              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{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}
}

⚠️ 重要提示

Flairに関する問題や不具合は、こちら のissueトラッカーで報告できます。