Ner German Legal

🚀 Flair中用于德语法律文本的命名实体识别（默认模型）

本项目是基于 Flair 开发的德语法律命名实体识别（NER）模型。该模型在德语法律文本的命名实体识别任务中表现出色，能够准确识别多种类型的实体。

模型指标

在LER德语数据集上，该模型的F1分数达到了 96.35。

可预测的标签

该模型能够预测19种标签，具体如下：

技术基础

该模型基于 Flair嵌入 和LSTM - CRF构建。

数据集详情

有关法律NER数据集的更多详细信息，请参考 此处。

🚀 快速开始

环境要求

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/ner-german-legal")

# 创建示例句子（由于法律文本分词处理效果不佳，不使用分词器）
sentence = Sentence("Herr W. verstieß gegen § 36 Abs. 7 IfSG.", use_tokenizer=False)

# 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)

输出示例

Span [2]: "W."   [− Labels: PER (0.9911)]
Span [5,6,7,8,9]: "§ 36 Abs. 7 IfSG."   [− Labels: GS (0.5353)]

在句子 "Herr W. verstieß gegen § 36 Abs. 7 IfSG." 中，识别出了实体 "W."（标记为 个人）和 "§ 36 Abs. 7 IfSG"（标记为 法律）。

🔧 模型训练脚本

以下是用于训练该模型的Flair脚本：

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

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

# 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('de'),

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

    # 上下文字符串嵌入，后向
    FlairEmbeddings('de-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-german-legal',
              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{leitner2019fine,
  author = {Elena Leitner and Georg Rehm and Julian Moreno-Schneider},
  title = {{Fine-grained Named Entity Recognition in Legal Documents}},
  booktitle = {Semantic Systems. The Power of AI and Knowledge
                  Graphs. Proceedings of the 15th International Conference
                  (SEMANTiCS 2019)},
  year = 2019,
  pages = {272--287},
  pdf = {https://link.springer.com/content/pdf/10.1007%2F978-3-030-33220-4_20.pdf}}

@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

如果遇到问题，可以在 Flair问题跟踪器 中反馈。