Ner English Ontonotes

🚀 Flair英文命名实体识别（Ontonotes默认模型）

本项目是一个用于英文的18类命名实体识别（NER）模型，它集成于 Flair 库中。该模型基于 Flair嵌入 和LSTM - CRF构建，在Ontonotes数据集上的F1分数达到了 89.27。

✨ 主要特性

• 多标签预测：能够预测18种不同类型的标签，涵盖日期、人物、组织等常见实体类型。
• 高性能：在Ontonotes数据集上表现出色，F1分数较高。
• 基于Flair：依托强大的Flair库，具有良好的扩展性和易用性。

该模型可预测的18种标签及其含义如下：

🚀 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

💻 使用示例

基础用法

以下是在Flair中使用该模型的示例代码：

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

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

# 创建示例句子
sentence = Sentence("On September 1st George Washington won 1 dollar.")

# 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)

运行上述代码将产生以下输出：

Span [2,3]: "September 1st"   [− Labels: DATE (0.8824)]
Span [4,5]: "George Washington"   [− Labels: PERSON (0.9604)]
Span [7,8]: "1 dollar"   [− Labels: MONEY (0.9837)]

这表明在句子 “On September 1st George Washington won 1 dollar.” 中，识别出了 “September 1st”（标签为 日期）、“George Washington”（标签为 人物）和 “1 dollar”（标签为 货币）这几个实体。

🔧 技术细节

该模型基于 Flair嵌入 和LSTM - CRF架构。以下是训练该模型的Flair脚本：

from flair.data import Corpus
from flair.datasets import ColumnCorpus
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 加载语料库（Ontonotes未集成在Flair中，需要自行下载并重新格式化为列格式）
corpus: Corpus = ColumnCorpus(
                "resources/tasks/onto-ner",
                column_format={0: "text", 1: "pos", 2: "upos", 3: "ner"},
                tag_to_bioes="ner",
            )

# 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('en-crawl'),

    # 上下文字符串嵌入，前向
    FlairEmbeddings('news-forward'),

    # 上下文字符串嵌入，后向
    FlairEmbeddings('news-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. 运行训练
trainer.train('resources/taggers/ner-english-ontonotes',
              train_with_dev=True,
              max_epochs=150)

📄 许可证

文档未提及相关许可证信息。

📚 引用

使用该模型时，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}
}

💡 使用建议

若在使用过程中遇到问题，可以访问 Flair问题跟踪器 寻求帮助。