🚀 Flair中的英文词性标注（默认模型）

这是随 Flair 一起发布的英文标准词性标注模型。它能够有效解决英文文本中词性标注的问题，为自然语言处理任务提供准确的词性信息。

F1分数：98.19（Ontonotes数据集）

该模型可预测细粒度的词性标签：

该模型基于 Flair嵌入 和LSTM - CRF。

🚀 快速开始

安装

本项目需要安装 Flair，可以使用以下命令进行安装：

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/pos-english")

# 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)

# 打印预测的词性标签范围
print('The following NER tags are found:')
# 遍历实体并打印
for entity in sentence.get_spans('pos'):
    print(entity)

上述代码会产生以下输出：

Span [1]: "I"   [− Labels: PRP (1.0)]
Span [2]: "love"   [− Labels: VBP (1.0)]
Span [3]: "Berlin"   [− Labels: NNP (0.9999)]
Span [4]: "."   [− Labels: . (1.0)]

在句子 “I love Berlin” 中，单词 “I” 被标记为代词（PRP），“love” 被标记为动词（VBP），“Berlin” 被标记为专有名词（NNP）。

🔧 技术细节

训练脚本

以下是用于训练此模型的Flair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一起发布，你需要自己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是什么？
tag_type = 'pos'

# 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个嵌入
embedding_types = [

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

    # 上下文字符串嵌入，后向
    FlairEmbeddings('news-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/pos-english',
              train_with_dev=True,
              max_epochs=150)

📄 引用

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

如果你在使用过程中遇到问题，可以在 Flair问题跟踪器 中反馈。