Ner French

🚀 Flair中的法语命名实体识别（默认模型）

本项目是 Flair 自带的标准4类法语命名实体识别（NER）模型。它能有效识别法语文本中的特定实体，为自然语言处理任务提供有力支持。

F1分数：90.61（WikiNER）

该模型可预测以下4种标签：

此模型基于 Flair嵌入 和LSTM - CRF构建。

🚀 快速开始

✨ 主要特性

• 高准确率：在WikiNER数据集上F1分数达到90.61，能精准识别法语文本中的实体。
• 多标签预测：可预测4种常见的命名实体标签，满足多种应用场景。
• 基于先进技术：采用Flair嵌入和LSTM - CRF架构，保证模型性能。

📦 安装指南

使用该模型需要安装 Flair，可通过以下命令进行安装：

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-french")

# 创建示例句子
sentence = Sentence("George Washington est allé à Washington")

# 预测NER标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印预测的NER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)

上述代码将产生以下输出：

Span [1,2]: "George Washington"   [− Labels: PER (0.7394)]
Span [6]: "Washington"   [− Labels: LOC (0.9161)]

这表明在句子 "George Washington est allé à 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

本模型基于Flair嵌入和LSTM - CRF构建。Flair嵌入通过上下文信息为单词生成更具表现力的表示，而LSTM - CRF则用于序列标注任务，能够有效处理序列中的依赖关系。训练数据使用了WIKINER_FRENCH数据集，通过以下脚本进行模型训练：

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

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

# 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. 初始化使用的每种嵌入
embedding_types = [

    # GloVe嵌入
    WordEmbeddings('fr'),

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

    # 上下文字符串嵌入，后向
    FlairEmbeddings('fr-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-french',
              train_with_dev=True,
              max_epochs=150)

📄 许可证

文档未提及许可证相关信息。

📚 引用说明

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

若遇到问题，可在 Flair问题跟踪器 中反馈。