Upos Multi

🚀 多语言通用词性标注模型（Flair默认模型）

本模型是 Flair 自带的默认多语言通用词性标注模型。它能够对多种语言进行词性标注，在多语言文本处理方面具有重要价值。

F1 分数：96.87（涵盖英语、德语、法语、意大利语、荷兰语、波兰语、西班牙语、瑞典语、丹麦语、挪威语、芬兰语和捷克语的 12 个通用依存树库）

该模型可预测以下通用词性标签：

本模型基于 Flair 嵌入 和 LSTM - CRF 构建。

🚀 快速开始

环境准备

需要安装 Flair，可以使用以下命令进行安装：

pip install flair

代码示例

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

# 加载标签器
tagger = SequenceTagger.load("flair/upos-multi")

# 创建示例句子
sentence = Sentence("Ich liebe Berlin, as they say. ")

# 预测词性标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 遍历每个词并打印预测的词性标签
print("The following POS tags are found:")
for token in sentence:
    print(token.get_label("upos"))

上述代码运行后将产生以下输出：

Token[0]: "Ich" → PRON (0.9999)
Token[1]: "liebe" → VERB (0.9999)
Token[2]: "Berlin" → PROPN (0.9997)
Token[3]: "," → PUNCT (1.0)
Token[4]: "as" → SCONJ (0.9991)
Token[5]: "they" → PRON (0.9998)
Token[6]: "say" → VERB (0.9998)
Token[7]: "." → PUNCT (1.0)

在多语言句子 “Ich liebe Berlin, as they say” 中，“Ich” 和 “they” 被标记为 代词（PRON），“liebe” 和 “say” 被标记为 动词（VERB）。

🔧 技术细节

模型训练脚本

以下是用于训练此模型的 Flair 脚本：

from flair.data import MultiCorpus
from flair.datasets import UD_ENGLISH, UD_GERMAN, UD_FRENCH, UD_ITALIAN, UD_POLISH, UD_DUTCH, UD_CZECH, \
    UD_DANISH, UD_SPANISH, UD_SWEDISH, UD_NORWEGIAN, UD_FINNISH
from flair.embeddings import StackedEmbeddings, FlairEmbeddings

# 1. 创建一个包含 12 个通用依存树库的多语料库（由于语料库较大，这里 in_memory=False）
corpus = MultiCorpus([
    UD_ENGLISH(in_memory=False),
    UD_GERMAN(in_memory=False),
    UD_DUTCH(in_memory=False),
    UD_FRENCH(in_memory=False),
    UD_ITALIAN(in_memory=False),
    UD_SPANISH(in_memory=False),
    UD_POLISH(in_memory=False),
    UD_CZECH(in_memory=False),
    UD_DANISH(in_memory=False),
    UD_SWEDISH(in_memory=False),
    UD_NORWEGIAN(in_memory=False),
    UD_FINNISH(in_memory=False),
])

# 2. 确定要预测的标签类型
tag_type = 'upos'

# 3. 从语料库中创建标签字典
tag_dictionary = corpus.make_label_dictionary(label_type=tag_type)

# 4. 初始化使用的每个嵌入
embedding_types = [
    # 上下文字符串嵌入，正向
    FlairEmbeddings('multi-forward'),

    # 上下文字符串嵌入，反向
    FlairEmbeddings('multi-backward'),
]

# 嵌入栈由 Flair 嵌入组成
embeddings = StackedEmbeddings(embeddings=embedding_types)

# 5. 初始化序列标签器
from flair.models import SequenceTagger

tagger = SequenceTagger(hidden_size=256,
                        embeddings=embeddings,
                        tag_dictionary=tag_dictionary,
                        tag_type=tag_type,
                        use_crf=False)

# 6. 初始化训练器
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus)

# 7. 开始训练
trainer.train('resources/taggers/upos-multi',
              train_with_dev=True,
              max_epochs=150)

📖 引用说明

使用此模型时，请引用以下论文：

@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}
}

❓ 遇到问题？

可以在 Flair 问题跟踪器 中提交问题。