Upos English Fast

🚀 Flair英文通用词性标注（快速模型）

本项目是一个用于英文的快速通用词性标注模型，它是 Flair 库的一部分。该模型能够高效准确地为英文文本进行词性标注，在词性标注任务中具有出色的表现。

F1 分数：98.47（基于 Ontonotes 数据集）

此模型可预测的通用词性标签如下：

该模型基于 Flair 嵌入 和 LSTM - CRF 构建。

🚀 快速开始

本模型的使用需要安装 Flair 库，可以使用以下命令进行安装：

pip install flair

💻 使用示例

基础用法

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

# 加载标签器
tagger = SequenceTagger.load("flair/upos-english-fast")

# 创建示例句子
sentence = Sentence("I love Berlin.")

# 预测词性标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印预测的词性标签
print('The following NER tags are found:')
# 遍历实体并打印
for entity in sentence.get_spans('pos'):
    print(entity)

上述代码的输出结果如下：

Span [1]: "I"   [− Labels: PRON (0.9996)]
Span [2]: "love"   [− Labels: VERB (1.0)]
Span [3]: "Berlin"   [− Labels: PROPN (0.9986)]
Span [4]: "."   [− Labels: PUNCT (1.0)]

在句子 “I love Berlin.” 中，“I” 被标记为 代词（PRON），“love” 被标记为 动词（VERB），“Berlin” 被标记为 专有名词（PROPN）。

🔧 技术细节

训练脚本

以下是用于训练此模型的 Flair 脚本：

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

# 1. 加载语料库（Ontonotes 未包含在 Flair 中，你需要自行下载并转换为列格式）
corpus: Corpus = ColumnCorpus(
                "resources/tasks/onto-ner",
                column_format={0: "text", 1: "pos", 2: "upos", 3: "ner"},
                tag_to_bioes="ner",
            )

# 2. 确定要预测的标签类型
tag_type = 'upos'

# 3. 从语料库中创建标签字典
tag_dictionary = corpus.make_tag_dictionary(tag_type=tag_type)

# 4. 初始化使用的嵌入
embedding_types = [

    # 上下文字符串嵌入，正向
    FlairEmbeddings('news-forward-fast'),

    # 上下文字符串嵌入，反向
    FlairEmbeddings('news-backward-fast'),
]

# 嵌入栈由 Flair 和 GloVe 嵌入组成
embeddings = StackedEmbeddings(embeddings=embedding_types)

# 5. 初始化序列标签器
from flair.models import SequenceTagger

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

# 6. 初始化训练器
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus)

# 7. 开始训练
trainer.train('resources/taggers/upos-english-fast',
              train_with_dev=True,
              max_epochs=150)

📄 引用

使用此模型时，请引用以下论文：

@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}
}

❓ 问题反馈

如果你在使用过程中遇到问题，可以在 Flair 问题跟踪器 中提交问题。