Ner English Ontonotes Fast

🚀 Flair中的英文命名实体识别（Ontonotes快速模型）

本项目是 Flair 自带的英文18类命名实体识别（NER）模型的快速版本。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 89.3。

✨ 主要特性

• 多标签预测：能够预测18种不同类型的标签，涵盖了日期、人物、组织等常见实体类型。
• 快速版本：在保证一定准确率的同时，具有更快的运行速度。
• 基于Flair：依托强大的Flair框架，便于集成和使用。

预测的18种标签

📦 安装指南

使用该模型需要安装 Flair，可以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-english-ontonotes-fast")

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

# 预测NER标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印预测的NER实体
print('The following NER tags are found:')
# 遍历实体并打印
for entity in sentence.get_spans('ner'):
    print(entity)

上述代码的输出如下：

Span [2,3]: "September 1st"   [− Labels: DATE (0.9655)]
Span [4,5]: "George Washington"   [− Labels: PERSON (0.8243)]
Span [7,8]: "1 dollar"   [− Labels: MONEY (0.8022)]

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

🔧 技术细节

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

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

# 1. 加载语料库（Ontonotes不随Flair提供，你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. 我们要预测的标签类型
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. 初始化我们使用的每种嵌入
embedding_types = [

    # GloVe嵌入
    WordEmbeddings('en-crawl'),

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

    # 上下文字符串嵌入，后向
    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/ner-english-ontonotes-fast',
              train_with_dev=True,
              max_epochs=150)

📄 引用说明

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}
}

📞 问题反馈

如果你在使用过程中遇到问题，可以在 Flair的问题跟踪器 中反馈。