Ner Multi Fast

🚀 Flair 四語言命名實體識別（英語、德語、荷蘭語和西班牙語）

本項目是一個適用於四種 CoNLL - 03 語言的快速四分類命名實體識別（NER）模型，它集成於 Flair 庫中。該模型對如法語等相關語言也有一定效果。

F1 分數：91.51（CoNLL - 03 英語）、85.72（CoNLL - 03 德語修訂版）、86.22（CoNLL - 03 荷蘭語）、85.78（CoNLL - 03 西班牙語）

模型可預測以下 4 種標籤：

🚀 快速開始

環境準備

需要安裝 Flair 庫，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/ner-multi-fast")

# 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)

輸出結果

運行上述代碼會得到以下輸出：

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

這表明在句子 “George Washington ging nach Washington” 中，識別出了實體 “George Washington”（標籤為 人名）和 “Washington”（標籤為 地名）。

🔧 技術細節

本模型基於 Flair 嵌入 和 LSTM - CRF 構建。以下是訓練該模型的 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. 確定要預測的標籤類型
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-fast'),

    # 上下文字符串嵌入，反向
    FlairEmbeddings('multi-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/ner-multi-fast',
              train_with_dev=True,
              max_epochs=150)

📄 許可證

文檔中未提及相關許可證信息。

📖 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}
}