Ner Multi

🚀 Flair中的四語言命名實體識別（英語、德語、荷蘭語和西班牙語）

本項目是適用於4種CoNLL - 03語言的標準4類命名實體識別（NER）模型，它隨Flair庫一同發佈。該模型對像法語這樣的相關語言也有一定的效果。

F1分數：92.16（CoNLL - 03英語），87.33（CoNLL - 03修訂版德語），88.96（CoNLL - 03荷蘭語），86.65（CoNLL - 03西班牙語）

該模型可預測4種標籤：

此模型基於Flair嵌入和LSTM - CRF構建。

🚀 快速開始

本模型需要安裝**Flair**庫，可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/ner-multi")

# 用四種語言中的任意一種創建示例句子
sentence = Sentence("George Washington ging nach Washington")

# 預測命名實體識別標籤
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印預測的命名實體識別跨度
print('The following NER tags are found:')
# 遍歷實體並打印
for entity in sentence.get_spans('ner'):
    print(entity)

上述代碼會產生以下輸出：

Span [1,2]: "George Washington"   [− Labels: PER (0.9977)]
Span [5]: "Washington"   [− Labels: LOC (0.9895)]

因此，在句子 “George Washington ging nach Washington” 中，識別出了實體 “George Washington”（標記為人名）和 “Washington”（標記為地名）。

🔧 技術細節

訓練腳本

以下是用於訓練該模型的Flair腳本：

from flair.data import Corpus
from flair.datasets import CONLL_03, CONLL_03_GERMAN, CONLL_03_DUTCH, CONLL_03_SPANISH
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 獲取多語言語料庫
corpus: Corpus = MultiCorpus([
    CONLL_03(),         # 英語語料庫
    CONLL_03_GERMAN(),  # 德語語料庫
    CONLL_03_DUTCH(),   # 荷蘭語語料庫
    CONLL_03_SPANISH(), # 西班牙語語料庫
    ])

# 2. 我們要預測的標籤類型是什麼？
tag_type = 'ner'

# 3. 從語料庫中創建標籤字典
tag_dictionary = corpus.make_tag_dictionary(tag_type=tag_type)

# 4. 初始化我們使用的每個嵌入
embedding_types = [

    # GloVe嵌入
    WordEmbeddings('glove'),

    # FastText嵌入
    WordEmbeddings('de'),

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

📄 引用

使用此模型時，請引用以下論文：

@misc{akbik2019multilingual,
  title={Multilingual sequence labeling with one model},
  author={Akbik, Alan and Bergmann, Tanja and Vollgraf, Roland}
  booktitle = {{NLDL} 2019, Northern Lights Deep Learning Workshop},
  year      = {2019}
}

@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}
}