Ner Multi

🚀 Flair中的四语言命名实体识别（英语、德语、荷兰语和西班牙语）

本项目是适用于4种CoNLL - 03语言的标准4类命名实体识别（NER）模型，它随Flair库一同发布。该模型对像法语这样的相关语言也有一定的效果。

F1分数：92.16（CoNLL - 03英语），87.33（CoNLL - 03修订版德语），88.96（CoNLL - 03荷兰语），86.65（CoNLL - 03西班牙语）

该模型可预测4种标签：

此模型基于Flair嵌入和LSTM - CRF构建。

🚀 快速开始

本模型需要安装**Flair**库，可使用以下命令进行安装：

pip install flair

💻 使用示例

基础用法

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

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

# 用四种语言中的任意一种创建示例句子
sentence = Sentence("George Washington ging nach Washington")

# 预测命名实体识别标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印预测的命名实体识别跨度
print('The following NER tags are found:')
# 遍历实体并打印
for entity in sentence.get_spans('ner'):
    print(entity)

上述代码会产生以下输出：

Span [1,2]: "George Washington"   [− Labels: PER (0.9977)]
Span [5]: "Washington"   [− Labels: LOC (0.9895)]

因此，在句子 “George Washington ging nach Washington” 中，识别出了实体 “George Washington”（标记为人名）和 “Washington”（标记为地名）。

🔧 技术细节

训练脚本

以下是用于训练该模型的Flair脚本：

from flair.data import Corpus
from flair.datasets import CONLL_03, CONLL_03_GERMAN, CONLL_03_DUTCH, CONLL_03_SPANISH
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 获取多语言语料库
corpus: Corpus = MultiCorpus([
    CONLL_03(),         # 英语语料库
    CONLL_03_GERMAN(),  # 德语语料库
    CONLL_03_DUTCH(),   # 荷兰语语料库
    CONLL_03_SPANISH(), # 西班牙语语料库
    ])

# 2. 我们要预测的标签类型是什么？
tag_type = 'ner'

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

# 4. 初始化我们使用的每个嵌入
embedding_types = [

    # GloVe嵌入
    WordEmbeddings('glove'),

    # FastText嵌入
    WordEmbeddings('de'),

    # 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和GloVe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)

# 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/ner-multi',
              train_with_dev=True,
              max_epochs=150)

📄 引用

使用此模型时，请引用以下论文：

@misc{akbik2019multilingual,
  title={Multilingual sequence labeling with one model},
  author={Akbik, Alan and Bergmann, Tanja and Vollgraf, Roland}
  booktitle = {{NLDL} 2019, Northern Lights Deep Learning Workshop},
  year      = {2019}
}

@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}
}