Ner Spanish Large

🚀 Flair西班牙語命名實體識別（大模型）

本項目提供了一個用於西班牙語的大型4類命名實體識別（NER）模型，該模型基於 Flair 框架構建。它能夠準確識別西班牙語文本中的人名、地名、組織機構名和其他類型的實體，F1分數達到了 90.54（基於CoNLL - 03西班牙語數據集），為西班牙語的信息提取和文本分析提供了強大的支持。

🚀 快速開始

本模型基於Flair框架，使用前請確保已經安裝Flair庫。你可以通過以下命令進行安裝：

pip install flair

✨ 主要特性

• 高準確率：在CoNLL - 03西班牙語數據集上，F1分數達到了 90.54，能夠準確識別西班牙語文本中的各類實體。
• 4類實體識別：可以識別4種類型的命名實體，包括人名（PER）、地名（LOC）、組織機構名（ORG）和其他類型（MISC）。
• 基於文檔級嵌入：採用了XLM - R的文檔級嵌入和 FLERT 技術，能夠更好地捕捉文本的上下文信息。

💻 使用示例

基礎用法

以下是一個簡單的示例，展示瞭如何使用該模型進行命名實體識別：

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

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

# 創建示例句子
sentence = Sentence("George Washington fue a Washington")

# 預測命名實體標籤
tagger.predict(sentence)

# 打印句子
print(sentence)

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

此代碼將產生以下輸出：

Span [1,2]: "George Washington"   [− Labels: PER (1.0)]
Span [5]: "Washington"   [− Labels: LOC (1.0)]

在句子 "George Washington fue a Washington" 中，模型成功識別出了實體 "George Washington"（標記為 人名）和 "Washington"（標記為 地名）。

🔧 技術細節

本模型的訓練過程基於Flair框架，具體步驟如下：

1. 獲取語料庫：使用CoNLL - 03西班牙語數據集作為訓練數據。
2. 確定標籤類型：要預測的標籤類型為 ner。
3. 創建標籤字典：從語料庫中生成標籤字典。
4. 初始化嵌入層：使用 TransformerWordEmbeddings 初始化可微調的XLM - Roberta大模型嵌入，並結合文檔上下文信息。
5. 初始化序列標籤器：使用 SequenceTagger 初始化一個簡單的序列標籤器，不使用CRF、RNN和重投影。
6. 初始化訓練器：使用 AdamW 優化器初始化訓練器。
7. 運行訓練：設置訓練參數，如學習率、批次大小、訓練輪數等，進行模型訓練。

以下是訓練該模型的完整代碼：

import torch

# 1. 獲取語料庫
from flair.datasets import CONLL_03_SPANISH

corpus = CONLL_03_SPANISH()

# 2. 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. 初始化可微調的帶文檔上下文的Transformer嵌入
from flair.embeddings import TransformerWordEmbeddings

embeddings = TransformerWordEmbeddings(
    model='xlm-roberta-large',
    layers="-1",
    subtoken_pooling="first",
    fine_tune=True,
    use_context=True,
)

# 5. 初始化簡單的序列標籤器（無CRF、無RNN、無重投影）
from flair.models import SequenceTagger

tagger = SequenceTagger(
    hidden_size=256,
    embeddings=embeddings,
    tag_dictionary=tag_dictionary,
    tag_type='ner',
    use_crf=False,
    use_rnn=False,
    reproject_embeddings=False,
)

# 6. 使用AdamW優化器初始化訓練器
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus, optimizer=torch.optim.AdamW)

# 7. 使用XLM參數運行訓練（20個epoch，小學習率）
from torch.optim.lr_scheduler import OneCycleLR

trainer.train('resources/taggers/ner-spanish-large',
              learning_rate=5.0e-6,
              mini_batch_size=4,
              mini_batch_chunk_size=1,
              max_epochs=20,
              scheduler=OneCycleLR,
              embeddings_storage_mode='none',
              weight_decay=0.,
              )

📄 許可證

文檔中未提及相關許可證信息。

📚 詳細文檔

引用

使用此模型時，請引用以下論文：

@misc{schweter2020flert,
    title={FLERT: Document-Level Features for Named Entity Recognition},
    author={Stefan Schweter and Alan Akbik},
    year={2020},
    eprint={2011.06993},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

問題反饋

如果你在使用過程中遇到問題，可以在 Flair問題跟蹤器 中提交問題。