Ner German Large

🚀 德语NER的Flair大模型

这是一个用于德语的4分类命名实体识别（NER）大模型，它集成于 Flair 库中。该模型在德语命名实体识别任务中表现出色，能够精准识别出人名、地名、组织机构名等实体。

🚀 快速开始

本模型依赖于 Flair 库，你可以使用以下命令进行安装：

pip install flair

✨ 主要特性

• 高准确率：在CoNLL - 03德语修订数据集上，F1分数达到了 92.31。
• 多标签预测：能够预测4种标签，具体如下： | 标签 | 含义 | | ---- | ---- | | PER | 人名 | | LOC | 地名 | | ORG | 组织机构名 | | MISC | 其他名称 |
• 技术先进：基于文档级的XLM - R嵌入和 FLERT 技术。

💻 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-german-large")

# 创建示例句子
sentence = Sentence("George Washington ging nach Washington")

# 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)

上述代码的输出结果如下：

Span [1,2]: "George Washington"   [− Labels: PER (1.0)]
Span [5]: "Washington"   [− Labels: LOC (1.0)]

这表明在句子 "George Washington ging nach Washington" 中，识别出了实体 "George Washington"（标签为 人名）和 "Washington"（标签为 地名）。

🔧 技术细节

本模型的训练脚本如下：

import torch

# 1. 获取语料库
from flair.datasets import CONLL_03_GERMAN

corpus = CONLL_03_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. 初始化可微调的Transformer嵌入并使用文档上下文
from flair.embeddings import TransformerWordEmbeddings

embeddings = TransformerWordEmbeddings(
    model='xlm-roberta-large',
    layers="-1",
    subtoken_pooling="first",
    fine_tune=True,
    use_context=True,
)

# 5. 初始化基础的序列标签器（无CRF、无RNN、无重投影）
from flair.models import SequenceTagger

tagger = SequenceTagger(
    hidden_size=256,
    embeddings=embeddings,
    tag_dictionary=tag_dictionary,
    tag_type='ner',
    use_crf=False,
    use_rnn=False,
    reproject_embeddings=False,
)

# 6. 使用AdamW优化器初始化训练器
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus, optimizer=torch.optim.AdamW)

# 7. 使用XLM参数运行训练（20个epoch，小学习率）
from torch.optim.lr_scheduler import OneCycleLR

trainer.train('resources/taggers/ner-german-large',
              learning_rate=5.0e-6,
              mini_batch_size=4,
              mini_batch_chunk_size=1,
              max_epochs=20,
              scheduler=OneCycleLR,
              embeddings_storage_mode='none',
              weight_decay=0.,
              )

📄 许可证

使用本模型时，请引用以下论文：

@misc{schweter2020flert,
    title={FLERT: Document-Level Features for Named Entity Recognition},
    author={Stefan Schweter and Alan Akbik},
    year={2020},
    eprint={2011.06993},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

❓ 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。