Upos Multi

🚀 多語言通用詞性標註模型（Flair默認模型）

本模型是 Flair 自帶的默認多語言通用詞性標註模型。它能夠對多種語言進行詞性標註，在多語言文本處理方面具有重要價值。

F1 分數：96.87（涵蓋英語、德語、法語、意大利語、荷蘭語、波蘭語、西班牙語、瑞典語、丹麥語、挪威語、芬蘭語和捷克語的 12 個通用依存樹庫）

該模型可預測以下通用詞性標籤：

本模型基於 Flair 嵌入 和 LSTM - CRF 構建。

🚀 快速開始

環境準備

需要安裝 Flair，可以使用以下命令進行安裝：

pip install flair

代碼示例

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

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

# 創建示例句子
sentence = Sentence("Ich liebe Berlin, as they say. ")

# 預測詞性標籤
tagger.predict(sentence)

# 打印句子
print(sentence)

# 遍歷每個詞並打印預測的詞性標籤
print("The following POS tags are found:")
for token in sentence:
    print(token.get_label("upos"))

上述代碼運行後將產生以下輸出：

Token[0]: "Ich" → PRON (0.9999)
Token[1]: "liebe" → VERB (0.9999)
Token[2]: "Berlin" → PROPN (0.9997)
Token[3]: "," → PUNCT (1.0)
Token[4]: "as" → SCONJ (0.9991)
Token[5]: "they" → PRON (0.9998)
Token[6]: "say" → VERB (0.9998)
Token[7]: "." → PUNCT (1.0)

在多語言句子 “Ich liebe Berlin, as they say” 中，“Ich” 和 “they” 被標記為 代詞（PRON），“liebe” 和 “say” 被標記為 動詞（VERB）。

🔧 技術細節

模型訓練腳本

以下是用於訓練此模型的 Flair 腳本：

from flair.data import MultiCorpus
from flair.datasets import UD_ENGLISH, UD_GERMAN, UD_FRENCH, UD_ITALIAN, UD_POLISH, UD_DUTCH, UD_CZECH, \
    UD_DANISH, UD_SPANISH, UD_SWEDISH, UD_NORWEGIAN, UD_FINNISH
from flair.embeddings import StackedEmbeddings, FlairEmbeddings

# 1. 創建一個包含 12 個通用依存樹庫的多語料庫（由於語料庫較大，這裡 in_memory=False）
corpus = MultiCorpus([
    UD_ENGLISH(in_memory=False),
    UD_GERMAN(in_memory=False),
    UD_DUTCH(in_memory=False),
    UD_FRENCH(in_memory=False),
    UD_ITALIAN(in_memory=False),
    UD_SPANISH(in_memory=False),
    UD_POLISH(in_memory=False),
    UD_CZECH(in_memory=False),
    UD_DANISH(in_memory=False),
    UD_SWEDISH(in_memory=False),
    UD_NORWEGIAN(in_memory=False),
    UD_FINNISH(in_memory=False),
])

# 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_label_dictionary(label_type=tag_type)

# 4. 初始化使用的每個嵌入
embedding_types = [
    # 上下文字符串嵌入，正向
    FlairEmbeddings('multi-forward'),

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

# 嵌入棧由 Flair 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,
                        use_crf=False)

# 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-multi',
              train_with_dev=True,
              max_epochs=150)

📖 引用說明

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}
}

❓ 遇到問題？

可以在 Flair 問題跟蹤器 中提交問題。