Ner Multi Fast

🚀 Flair 四语言命名实体识别（英语、德语、荷兰语和西班牙语）

本项目是一个适用于四种 CoNLL - 03 语言的快速四分类命名实体识别（NER）模型，它集成于 Flair 库中。该模型对如法语等相关语言也有一定效果。

F1 分数：91.51（CoNLL - 03 英语）、85.72（CoNLL - 03 德语修订版）、86.22（CoNLL - 03 荷兰语）、85.78（CoNLL - 03 西班牙语）

模型可预测以下 4 种标签：

🚀 快速开始

环境准备

需要安装 Flair 库，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/ner-multi-fast")

# 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)

输出结果

运行上述代码会得到以下输出：

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

这表明在句子 “George Washington ging nach Washington” 中，识别出了实体 “George Washington”（标签为 人名）和 “Washington”（标签为 地名）。

🔧 技术细节

本模型基于 Flair 嵌入 和 LSTM - CRF 构建。以下是训练该模型的 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. 确定要预测的标签类型
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-fast'),

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

# 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-fast',
              train_with_dev=True,
              max_epochs=150)

📄 许可证

文档中未提及相关许可证信息。

📖 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}
}