Ner English Ontonotes Large

🚀 Flair英文命名實體識別（Ontonotes大模型）

本項目是一個用於英文的18類命名實體識別（NER）大模型，它集成於 Flair 庫中。該模型在英文文本的實體識別任務中表現出色，能準確識別多種類型的實體。

模型指標

在Ontonotes數據集上，模型的F1分數達到了 90.93，展現了其優秀的性能。

可預測的標籤

模型能夠預測以下18種標籤：

技術基礎

該模型基於文檔級的XLM - R嵌入和 FLERT 技術構建，能夠充分利用文檔上下文信息，提高實體識別的準確性。

🚀 快速開始

環境要求

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-english-ontonotes-large")

# 創建示例句子
sentence = Sentence("On September 1st George won 1 dollar while watching Game of Thrones.")

# 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

Span [2,3]: "September 1st"   [− Labels: DATE (1.0)]
Span [4]: "George"   [− Labels: PERSON (1.0)]
Span [6,7]: "1 dollar"   [− Labels: MONEY (1.0)]
Span [10,11,12]: "Game of Thrones"   [− Labels: WORK_OF_ART (1.0)]

從輸出結果可以看出，在句子 "On September 1st George Washington won 1 dollar while watching Game of Thrones" 中，識別出了實體 "September 1st"（標籤為 日期）、"George"（標籤為 人名）、"1 dollar"（標籤為 貨幣）和 "Game of Thrones"（標籤為 藝術作品）。

🔧 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. 我們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Transformer嵌入，並使用文檔上下文
from flair.embeddings import TransformerWordEmbeddings

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

# 5. 初始化基礎的序列標籤器（無CRF、無RNN、無重新投影）
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
import torch

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-english-ontonotes-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.,
              )

📄 引用說明

使用該模型時，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

如果遇到問題，可以在 Flair問題跟蹤器 中反饋。