🚀 Flair英文命名实体识别（Ontonotes大模型）

本项目是一个用于英文的18类命名实体识别（NER）大模型，它集成于 Flair 库中。该模型在英文文本的实体识别任务中表现出色，能准确识别多种类型的实体。

模型指标

在Ontonotes数据集上，模型的F1分数达到了 90.93，展现了其优秀的性能。

可预测的标签

模型能够预测以下18种标签：

技术基础

该模型基于文档级的XLM - R嵌入和 FLERT 技术构建，能够充分利用文档上下文信息，提高实体识别的准确性。

🚀 快速开始

环境要求

需要安装 Flair 库，可以使用以下命令进行安装：

pip install flair

代码示例

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

# 加载标签器
tagger = SequenceTagger.load("flair/ner-english-ontonotes-large")

# 创建示例句子
sentence = Sentence("On September 1st George won 1 dollar while watching Game of Thrones.")

# 预测命名实体识别标签
tagger.predict(sentence)

# 打印句子
print(sentence)

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

输出结果

Span [2,3]: "September 1st"   [− Labels: DATE (1.0)]
Span [4]: "George"   [− Labels: PERSON (1.0)]
Span [6,7]: "1 dollar"   [− Labels: MONEY (1.0)]
Span [10,11,12]: "Game of Thrones"   [− Labels: WORK_OF_ART (1.0)]

从输出结果可以看出，在句子 "On September 1st George Washington won 1 dollar while watching Game of Thrones" 中，识别出了实体 "September 1st"（标签为 日期）、"George"（标签为 人名）、"1 dollar"（标签为 货币）和 "Game of Thrones"（标签为 艺术作品）。

🔧 训练脚本

以下是用于训练该模型的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未集成在Flair中，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是什么？
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、无重新投影）
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
import torch

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-english-ontonotes-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.,
              )

📄 引用说明

使用该模型时，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

如果遇到问题，可以在 Flair问题跟踪器 中反馈。