标签:

• flair
• 词性标注
• 序列标注模型 语言: en 数据集:
• ontonotes 小部件示例:
• 文本: "I love Berlin."

Flair中的英语通用词性标注模型（快速版）

这是Flair自带的英语通用词性标注快速模型。

F1分数: 98.47 (基于Ontonotes数据集)

预测通用词性标签如下:

基于Flair嵌入和LSTM-CRF架构。

演示：如何在Flair中使用

要求安装: Flair (pip install flair)

from flair.data import Sentence
from flair.models import SequenceTagger

# 加载标注器
tagger = SequenceTagger.load("flair/upos-english-fast")

# 创建示例句子
sentence = Sentence("I love Berlin.")

# 预测词性标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印预测的词性标注结果
print('发现以下词性标注:')
# 遍历实体并打印
for entity in sentence.get_spans('pos'):
    print(entity)

输出结果如下:

Span [1]: "I"   [− 标签: PRON (0.9996)]
Span [2]: "love"   [− 标签: VERB (1.0)]
Span [3]: "Berlin"   [− 标签: PROPN (0.9986)]
Span [4]: "."   [− 标签: PUNCT (1.0)]

在句子"I love Berlin"中：

• "I"被标注为代词(PRON)
• "love"被标注为动词(VERB)
• "Berlin"被标注为专有名词(PROPN)

训练：模型训练脚本

使用以下Flair脚本训练该模型:

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

# 1. 加载语料库(Ontonotes需自行下载并转换为列格式)
corpus: Corpus = ColumnCorpus(
                "resources/tasks/onto-ner",
                column_format={0: "text", 1: "pos", 2: "upos", 3: "ner"},
                tag_to_bioes="ner",
            )

# 2. 指定预测标签类型
tag_type = 'upos'

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

# 4. 初始化使用的嵌入方法
embedding_types = [
    # 前向上下文字符串嵌入
    FlairEmbeddings('news-forward-fast'),
    # 后向上下文字符串嵌入
    FlairEmbeddings('news-backward-fast'),
]

# 嵌入栈包含Flair和GloVe嵌入
embeddings = StackedEmbeddings(embeddings=embedding_types)

# 5. 初始化序列标注器
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/upos-english-fast',
              train_with_dev=True,
              max_epochs=150)