标签:

• flair
• 标记分类
• 序列标注模型 语言: 英文 数据集:
• ontonotes 小部件示例:
• 文本: "乔治回到柏林归还他的帽子。"

Flair中的英语动词消歧（快速模型）

这是Flair自带的英语动词消歧快速模型。

F1分数: 88.27 (基于Ontonotes数据集) - 预测命题库动词框架。

基于Flair嵌入和LSTM-CRF架构。

演示：如何在Flair中使用

需要安装: Flair (pip install flair)

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

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

# 创建示例句子
sentence = Sentence("乔治回到柏林归还他的帽子。")

# 预测语义角色标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印预测的语义角色跨度
print('发现以下框架标签:')
# 遍历实体并打印
for entity in sentence.get_spans('frame'):
    print(entity)

输出结果如下：

Span [2]: "回到"   [− 标签: return.01 (0.9867)]
Span [6]: "归还"   [− 标签: return.02 (0.4741)]

在句子"乔治回到柏林归还他的帽子"中，词语"回到"被标注为return.01（表示返回某地），而"归还"被标注为return.02（表示归还某物）。

训练：模型训练脚本

使用以下Flair脚本训练本模型：

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

# 1. 加载语料库（Ontonotes未随Flair分发，需自行下载并转换为列格式）
corpus = ColumnCorpus(
    "resources/tasks/srl", column_format={1: "text", 11: "frame"}
)

# 2. 定义预测标签类型
tag_type = 'frame'

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

# 4. 初始化各嵌入类型
embedding_types = [
    BytePairEmbeddings("en"),
    FlairEmbeddings("news-forward-fast"),
    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. 运行训练
trainer.train('resources/taggers/frame-english-fast',
              train_with_dev=True,
              max_epochs=150)

引用

使用本模型时请引用以下论文：

@inproceedings{akbik2019flair,
  title={FLAIR: 一个易用的前沿NLP框架},
  author={阿克比克, 艾伦 and 伯格曼, 坦尼娅 and 布莱斯, 邓肯 and 拉苏尔, 卡希夫 and 施韦特, 斯特凡 and 福尔格拉夫, 罗兰},
  booktitle={{NAACL}2019, 北美计算语言学协会2019年会(演示环节)},
  pages={54--59},
  year={2019}
}

问题反馈？

Flair问题跟踪器详见此处。