Ner English Large

🚀 Flair英文命名實體識別（大模型）

本項目是一個用於英文的大型4類別命名實體識別（NER）模型，它是 Flair 庫的一部分。該模型能有效識別英文文本中的命名實體，為信息提取等自然語言處理任務提供支持。

✨ 主要特性

• 高準確率：在修正後的CoNLL - 03數據集上，F1分數達到 94.36。
• 多標籤預測：可預測4種標籤，涵蓋人物、地點、組織和其他類型的命名實體。
• 先進技術：基於文檔級XLM - R嵌入和 FLERT 技術。

預測標籤詳情

🚀 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-large")

# 創建示例句子
sentence = Sentence("George Washington went to Washington")

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

在句子 "George Washington went to Washington" 中，成功識別出實體 "George Washington"（標記為 人物）和 "Washington"（標記為 地點）。

📚 詳細文檔

模型訓練腳本

以下是用於訓練此模型的Flair腳本：

import torch

# 1. 獲取語料庫
from flair.datasets import CONLL_03

corpus = CONLL_03()

# 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. 初始化可微調的Transformer嵌入（帶有文檔上下文）
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個輪次，小學習率）
from torch.optim.lr_scheduler import OneCycleLR

trainer.train('resources/taggers/ner-english-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

文檔中未提及許可證相關信息。

📖 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 中反饋。