Ner German Legal

🚀 Flair中用於德語法律文本的命名實體識別（默認模型）

本項目是基於 Flair 開發的德語法律命名實體識別（NER）模型。該模型在德語法律文本的命名實體識別任務中表現出色，能夠準確識別多種類型的實體。

模型指標

在LER德語數據集上，該模型的F1分數達到了 96.35。

可預測的標籤

該模型能夠預測19種標籤，具體如下：

技術基礎

該模型基於 Flair嵌入 和LSTM - CRF構建。

數據集詳情

有關法律NER數據集的更多詳細信息，請參考 此處。

🚀 快速開始

環境要求

需要安裝 Flair，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-german-legal")

# 創建示例句子（由於法律文本分詞處理效果不佳，不使用分詞器）
sentence = Sentence("Herr W. verstieß gegen § 36 Abs. 7 IfSG.", use_tokenizer=False)

# 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)

輸出示例

Span [2]: "W."   [− Labels: PER (0.9911)]
Span [5,6,7,8,9]: "§ 36 Abs. 7 IfSG."   [− Labels: GS (0.5353)]

在句子 "Herr W. verstieß gegen § 36 Abs. 7 IfSG." 中，識別出了實體 "W."（標記為 個人）和 "§ 36 Abs. 7 IfSG"（標記為 法律）。

🔧 模型訓練腳本

以下是用於訓練該模型的Flair腳本：

from flair.data import Corpus
from flair.datasets import LER_GERMAN
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 獲取語料庫
corpus: Corpus = LER_GERMAN()

# 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('de'),

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

    # 上下文字符串嵌入，後向
    FlairEmbeddings('de-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-german-legal',
              train_with_dev=True,
              max_epochs=150)

📄 引用說明

使用此模型時，請引用以下論文：

@inproceedings{leitner2019fine,
  author = {Elena Leitner and Georg Rehm and Julian Moreno-Schneider},
  title = {{Fine-grained Named Entity Recognition in Legal Documents}},
  booktitle = {Semantic Systems. The Power of AI and Knowledge
                  Graphs. Proceedings of the 15th International Conference
                  (SEMANTiCS 2019)},
  year = 2019,
  pages = {272--287},
  pdf = {https://link.springer.com/content/pdf/10.1007%2F978-3-030-33220-4_20.pdf}}

@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}
}

❓ 問題反饋

如果遇到問題，可以在 Flair問題跟蹤器 中反饋。