Chunk English Fast

🚀 Flair英文组块分析（快速模型）

本项目是一个用于英文的快速短语组块分析模型，它集成于 Flair 框架中。该模型在CoNLL - 2000数据集上的F1分数达到了 96.22，能够预测以下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 Flair 库，你可以使用以下命令进行安装：

pip install flair

✨ 主要特性

• 高性能：在CoNLL - 2000数据集上F1分数达到96.22。
• 多标签预测：能够预测多种类型的短语标签。
• 基于先进技术：采用Flair嵌入和LSTM - CRF架构。

💻 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/chunk-english-fast")

# 创建示例句子
sentence = Sentence("The happy man has been eating at the diner")

# 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('np'):
    print(entity)

上述代码会产生以下输出：

Span [1,2,3]: "The happy man"   [− Labels: NP (0.9958)]
Span [4,5,6]: "has been eating"   [− Labels: VP (0.8759)]
Span [7]: "at"   [− Labels: PP (1.0)]
Span [8,9]: "the diner"   [− Labels: NP (0.9991)]

在句子 “The happy man has been eating at the diner” 中，“The happy man” 和 “the diner” 被标记为 名词短语 (NP)，“has been eating” 被标记为 动词短语 (VP)。

📚 详细文档

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_2000
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 获取语料库
corpus: Corpus = CONLL_2000()

# 2. 确定要预测的标签类型
tag_type = 'np'

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

# 4. 初始化使用的嵌入
embedding_types = [

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

    # 上下文字符串嵌入，反向
    FlairEmbeddings('news-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/chunk-english-fast',
              train_with_dev=True,
              max_epochs=150)

引用信息

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}
}

问题反馈

如果你遇到任何问题，可以在 Flair问题跟踪器 中反馈。