Frame English Fast

🚀 Flair英文動詞消歧（快速模型）

本項目是 Flair 自帶的用於英文的快速動詞消歧模型。該模型能夠有效解決英文句子中動詞含義模糊的問題，為自然語言處理任務提供更準確的語義理解。

🚀 快速開始

本模型需要 Flair，你可以使用以下命令進行安裝：

pip install flair

✨ 主要特性

• 高準確率：在 Ontonotes 數據集上，F1 分數達到 88.27，能夠準確預測 命題庫動詞框架。
• 技術先進：基於 Flair 嵌入 和 LSTM - CRF 構建。

💻 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/frame-english-fast")

# 創建示例句子
sentence = Sentence("George returned to Berlin to return his hat.")

# 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 frame tags are found:')
# 遍歷實體並打印
for entity in sentence.get_spans('frame'):
    print(entity)

上述代碼的輸出如下：

Span [2]: "returned"   [− Labels: return.01 (0.9867)]
Span [6]: "return"   [− Labels: return.02 (0.4741)]

在句子 “George returned to Berlin to return his hat” 中，“returned” 被標記為 return.01（表示 “回到某個地方”），而 “return” 被標記為 return.02（表示 “歸還某物”）。

🔧 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 ColumnCorpus
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 加載語料庫（Ontonotes 不隨 Flair 提供，你需要自行下載並重新格式化為列格式）
corpus = ColumnCorpus(
    "resources/tasks/srl", column_format={1: "text", 11: "frame"}
)

# 2. 確定要預測的標籤類型
tag_type = 'frame'

# 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 = [

    BytePairEmbeddings("en"),

    FlairEmbeddings("news-forward-fast"),

    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. 運行訓練
trainer.train('resources/taggers/frame-english-fast',
              train_with_dev=True,
              max_epochs=150)

📄 許可證

使用該模型時，請引用以下論文：

@inproceedings{akbik2019flair,
  title={FLAIR: An easy-to-use framework for state-of-the-art NLP},
  author={Akbik, Alan and Bergmann, Tanja and Blythe, Duncan and Rasul, Kashif and Schweter, Stefan and Vollgraf, Roland},
  booktitle={{NAACL} 2019, 2019 Conference of the North American Chapter of the Association for Computational Linguistics (Demonstrations)},
  pages={54--59},
  year={2019}
}

📚 詳細文檔

若你在使用過程中遇到問題，可以訪問 Flair 的 問題跟蹤器。