Ner English Ontonotes Fast

🚀 Flair中的英文命名實體識別（Ontonotes快速模型）

本項目是 Flair 自帶的英文18類命名實體識別（NER）模型的快速版本。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 89.3。

✨ 主要特性

• 多標籤預測：能夠預測18種不同類型的標籤，涵蓋了日期、人物、組織等常見實體類型。
• 快速版本：在保證一定準確率的同時，具有更快的運行速度。
• 基於Flair：依託強大的Flair框架，便於集成和使用。

預測的18種標籤

📦 安裝指南

使用該模型需要安裝 Flair，可以通過以下命令進行安裝：

pip install flair

💻 使用示例

基礎用法

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

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

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

# 預測NER標籤
tagger.predict(sentence)

# 打印句子
print(sentence)

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

上述代碼的輸出如下：

Span [2,3]: "September 1st"   [− Labels: DATE (0.9655)]
Span [4,5]: "George Washington"   [− Labels: PERSON (0.8243)]
Span [7,8]: "1 dollar"   [− Labels: MONEY (0.8022)]

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

🔧 技術細節

該模型基於 Flair嵌入 和LSTM - CRF構建。以下是訓練該模型的腳本：

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: 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
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. 初始化我們使用的每種嵌入
embedding_types = [

    # GloVe嵌入
    WordEmbeddings('en-crawl'),

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

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

📄 引用說明

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}
}

📞 問題反饋

如果你在使用過程中遇到問題，可以在 Flair的問題跟蹤器 中反饋。