Ner English Ontonotes Large

🚀 Flairによる英語の固有表現認識 (Ontonotes大規模モデル)

これは、Flair とともに提供される英語用の18クラスの大規模固有表現認識（NER）モデルです。

F1スコア: 90.93 (Ontonotes)

以下の18種類のタグを予測します:

このモデルは、ドキュメントレベルのXLM - R埋め込みと FLERT に基づいています。

🚀 クイックスタート

✨ 主な機能

• 英語の18クラスの固有表現認識を行うことができます。
• ドキュメントレベルのXLM - R埋め込みとFLERTを利用しています。

📦 インストール

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-english-ontonotes-large")

# サンプル文を作成
sentence = Sentence("On September 1st George won 1 dollar while watching Game of Thrones.")

# 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 [2,3]: "September 1st"   [− Labels: DATE (1.0)]
Span [4]: "George"   [− Labels: PERSON (1.0)]
Span [6,7]: "1 dollar"   [− Labels: MONEY (1.0)]
Span [10,11,12]: "Game of Thrones"   [− Labels: WORK_OF_ART (1.0)]

つまり、文 "On September 1st George Washington won 1 dollar while watching Game of Thrones" から、"September 1st"（日付とラベル付け）、"George"（人名とラベル付け）、"1 dollar"（金額とラベル付け）、"Game of Thrones"（芸術作品名とラベル付け）のエンティティが検出されます。

🔧 技術詳細

モデルのトレーニング

このモデルをトレーニングするために使用されたFlairのスクリプトは以下の通りです。

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

# 1. コーパスをロード（OntonotesはFlairに同梱されていないため、自分でダウンロードして列形式に再フォーマットする必要があります）
corpus: Corpus = ColumnCorpus(
                "resources/tasks/onto-ner",
                column_format={0: "text", 1: "pos", 2: "upos", 3: "ner"},
                tag_to_bioes="ner",
            )

# 2. 予測したいタグは何ですか？
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. ドキュメントコンテキストを持つ微調整可能なトランスフォーマー埋め込みを初期化
from flair.embeddings import TransformerWordEmbeddings

embeddings = TransformerWordEmbeddings(
    model='xlm-roberta-large',
    layers="-1",
    subtoken_pooling="first",
    fine_tune=True,
    use_context=True,
)

# 5. 基本的なシーケンスタガーを初期化（CRFなし、RNNなし、再投影なし）
from flair.models import SequenceTagger

tagger = SequenceTagger(
    hidden_size=256,
    embeddings=embeddings,
    tag_dictionary=tag_dictionary,
    tag_type='ner',
    use_crf=False,
    use_rnn=False,
    reproject_embeddings=False,
)

# 6. AdamWオプティマイザーでトレーナーを初期化
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus, optimizer=torch.optim.AdamW)

# 7. XLMパラメータでトレーニングを実行（20エポック、小さい学習率）
from torch.optim.lr_scheduler import OneCycleLR

trainer.train('resources/taggers/ner-english-ontonotes-large',
              learning_rate=5.0e-6,
              mini_batch_size=4,
              mini_batch_chunk_size=1,
              max_epochs=20,
              scheduler=OneCycleLR,
              embeddings_storage_mode='none',
              weight_decay=0.,
              )

📄 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。

@misc{schweter2020flert,
    title={FLERT: Document-Level Features for Named Entity Recognition},
    author={Stefan Schweter and Alan Akbik},
    year={2020},
    eprint={2011.06993},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}