标签:

• flair
• 命名实体识别
• 序列标注模型 语言: 英语 数据集:
• ontonotes 示例输入:
• 文本: "On September 1st George Washington won 1 dollar."

Flair中的英语命名实体识别（Ontonotes快速模型）

这是Flair自带的18类英语命名实体识别模型的快速版本。

F1分数: 89.3 (基于Ontonotes数据集)

可预测18种标签:

基于Flair词嵌入和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/ner-english-ontonotes-fast")

# 创建示例句子
sentence = Sentence("On September 1st George Washington won 1 dollar.")

# 预测命名实体标签
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印预测的命名实体范围
print('发现以下命名实体标签:')
# 遍历实体并打印
for entity in sentence.get_spans('ner'):
    print(entity)

输出结果如下:

Span [2,3]: "September 1st"   [− 标签: DATE (0.9655)]
Span [4,5]: "George Washington"   [− 标签: PERSON (0.8243)]
Span [7,8]: "1 dollar"   [− 标签: MONEY (0.8022)]

因此，在句子"On September 1st George Washington won 1 dollar"中识别出了"September 1st"（标记为日期）、"George Washington"（标记为人物）和"1 dollar"（标记为货币）三个实体。

训练：训练此模型的脚本

使用以下Flair脚本训练此模型:

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

# 1. 加载语料库（Ontonotes不随Flair提供，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. 指定要预测的标签类型
tag_type = 'ner'

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

# 4. 初始化使用的词嵌入
embedding_types = [

    # GloVe词嵌入
    WordEmbeddings('en-crawl'),

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

    # 上下文字符串嵌入（后向）
    FlairEmbeddings('news-backward-fast'),
]

# 词嵌入组合包含Flair和GloVe
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/ner-english-ontonotes-fast',
              train_with_dev=True,
              max_epochs=150)