Upos English Fast

🚀 Flair英文通用詞性標註（快速模型）

本項目是一個用於英文的快速通用詞性標註模型，它是 Flair 庫的一部分。該模型能夠高效準確地為英文文本進行詞性標註，在詞性標註任務中具有出色的表現。

F1 分數：98.47（基於 Ontonotes 數據集）

此模型可預測的通用詞性標籤如下：

該模型基於 Flair 嵌入 和 LSTM - CRF 構建。

🚀 快速開始

本模型的使用需要安裝 Flair 庫，可以使用以下命令進行安裝：

pip install flair

💻 使用示例

基礎用法

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

# 加載標籤器
tagger = SequenceTagger.load("flair/upos-english-fast")

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

# 預測詞性標籤
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印預測的詞性標籤
print('The following NER tags are found:')
# 遍歷實體並打印
for entity in sentence.get_spans('pos'):
    print(entity)

上述代碼的輸出結果如下：

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” 被標記為 代詞（PRON），“love” 被標記為 動詞（VERB），“Berlin” 被標記為 專有名詞（PROPN）。

🔧 技術細節

訓練腳本

以下是用於訓練此模型的 Flair 腳本：

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

# 1. 加載語料庫（Ontonotes 未包含在 Flair 中，你需要自行下載並轉換為列格式）
corpus: Corpus = ColumnCorpus(
                "resources/tasks/onto-ner",
                column_format={0: "text", 1: "pos", 2: "upos", 3: "ner"},
                tag_to_bioes="ner",
            )

# 2. 確定要預測的標籤類型
tag_type = 'upos'

# 3. 從語料庫中創建標籤字典
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'),
]

# 嵌入棧由 Flair 和 GloVe 嵌入組成
embeddings = StackedEmbeddings(embeddings=embedding_types)

# 5. 初始化序列標籤器
from flair.models import SequenceTagger

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

# 6. 初始化訓練器
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus)

# 7. 開始訓練
trainer.train('resources/taggers/upos-english-fast',
              train_with_dev=True,
              max_epochs=150)

📄 引用

使用此模型時，請引用以下論文：

@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}
}

❓ 問題反饋

如果你在使用過程中遇到問題，可以在 Flair 問題跟蹤器 中提交問題。