Ner German Large

🚀 德語NER的Flair大模型

這是一個用於德語的4分類命名實體識別（NER）大模型，它集成於 Flair 庫中。該模型在德語命名實體識別任務中表現出色，能夠精準識別出人名、地名、組織機構名等實體。

🚀 快速開始

本模型依賴於 Flair 庫，你可以使用以下命令進行安裝：

pip install flair

✨ 主要特性

• 高準確率：在CoNLL - 03德語修訂數據集上，F1分數達到了 92.31。
• 多標籤預測：能夠預測4種標籤，具體如下： | 標籤 | 含義 | | ---- | ---- | | PER | 人名 | | LOC | 地名 | | ORG | 組織機構名 | | MISC | 其他名稱 |
• 技術先進：基於文檔級的XLM - R嵌入和 FLERT 技術。

💻 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-german-large")

# 創建示例句子
sentence = Sentence("George Washington ging nach Washington")

# 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)

上述代碼的輸出結果如下：

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

這表明在句子 "George Washington ging nach Washington" 中，識別出了實體 "George Washington"（標籤為 人名）和 "Washington"（標籤為 地名）。

🔧 技術細節

本模型的訓練腳本如下：

import torch

# 1. 獲取語料庫
from flair.datasets import CONLL_03_GERMAN

corpus = CONLL_03_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-german-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

使用本模型時，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的問題跟蹤器 中反饋。