Ner English Ontonotes

🚀 Flair英文命名實體識別（Ontonotes默認模型）

本項目是一個用於英文的18類命名實體識別（NER）模型，它集成於 Flair 庫中。該模型基於 Flair嵌入 和LSTM - CRF構建，在Ontonotes數據集上的F1分數達到了 89.27。

✨ 主要特性

• 多標籤預測：能夠預測18種不同類型的標籤，涵蓋日期、人物、組織等常見實體類型。
• 高性能：在Ontonotes數據集上表現出色，F1分數較高。
• 基於Flair：依託強大的Flair庫，具有良好的擴展性和易用性。

該模型可預測的18種標籤及其含義如下：

🚀 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

💻 使用示例

基礎用法

以下是在Flair中使用該模型的示例代碼：

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

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

# 創建示例句子
sentence = Sentence("On September 1st George Washington won 1 dollar.")

# 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)

運行上述代碼將產生以下輸出：

Span [2,3]: "September 1st"   [− Labels: DATE (0.8824)]
Span [4,5]: "George Washington"   [− Labels: PERSON (0.9604)]
Span [7,8]: "1 dollar"   [− Labels: MONEY (0.9837)]

這表明在句子 “On September 1st George Washington won 1 dollar.” 中，識別出了 “September 1st”（標籤為 日期）、“George Washington”（標籤為 人物）和 “1 dollar”（標籤為 貨幣）這幾個實體。

🔧 技術細節

該模型基於 Flair嵌入 和LSTM - CRF架構。以下是訓練該模型的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未集成在Flair中，需要自行下載並重新格式化為列格式）
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 = '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('en-crawl'),

    # 上下文字符串嵌入，前向
    FlairEmbeddings('news-forward'),

    # 上下文字符串嵌入，後向
    FlairEmbeddings('news-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. 運行訓練
trainer.train('resources/taggers/ner-english-ontonotes',
              train_with_dev=True,
              max_epochs=150)

📄 許可證

文檔未提及相關許可證信息。

📚 引用

使用該模型時，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}
}

💡 使用建議

若在使用過程中遇到問題，可以訪問 Flair問題跟蹤器 尋求幫助。