初学者|还没听过flair吗

• 2019 年 10 月 10 日
• 筆記

本文介绍了flair的使用方法，Flair是最近开源的一个基于Pytorch的NLP框架，它是一个功能强大的NLP库。Flair允许您将最先进的自然语言处理（NLP）模型应用于文本，例如命名实体识别（NER），词性标注（PoS），意义消歧和分类。

简介

Flair是最近开源的一个基于Pytorch的NLP框架，据官方github介绍，它具有以下特点：

一个功能强大的NLP库。Flair允许您将最先进的自然语言处理（NLP）模型应用于您的文本，例如命名实体识别（NER），词性标注（PoS），意义消歧和分类。

文本嵌入库。Flair具有简单的界面，允许您使用和组合不同的单词和文档嵌入，包括作者提出的上下文字符串嵌入（文章：COLING2018-Contextual String Embeddings for Sequence Labeling）。

Pytorch NLP框架。框架直接在Pytorch上构建，使得可以轻松地训练自己的模型，并使用Flair嵌入和类来尝试新方法。

GitHub地址：https://github.com/zalandoresearch/flair

实战

1.安装

# 安装环境：官网说目前对linux支持较好，以下为我在winodw上测试环境  # windows 10  # PyTorch 0.4+  # Python 3.6+  # pip install flair

这个库包含两种类型：Sentence和Token, Sentence类型包含我们想要处理的一个句，是Token类型的集合：

from flair.data import Sentence  sentence = Sentence('The grass is green .')  # 输出显示这个句子由5个Token组成  print(sentence)    Sentence: "The grass is green ." - 5 Tokens

可以通过Token ID或其索引访问句子的Token：

# 使用 token id  print(sentence.get_token(4))  # 使用索引  print(sentence[3])    Token: 4 green  Token: 4 green    # 迭代输出token  for token in sentence:   print(token)    Token: 1 The  Token: 2 grass  Token: 3 is  Token: 4 green  Token: 5 .

Tokenization：一些情况下，文本未Tokenization

from flair.data import Sentence  # 设置use_tokenizer参数  sentence = Sentence('The grass is green.', use_tokenizer=True)  print(sentence)    Sentence: "The grass is green ." - 5 Tokens

Adding Tags to Tokens（为token打标签）

# token具有用于语言注释的字段，如lemmas、词性标记或命名实体标记。可以通过指定标签类型和标签值来添加标签。  # 给句子中某个词加标签  sentence[3].add_tag('ner', 'color')  # 可以看到，输出green后面带有命名实体标签'color'  print(sentence.to_tagged_string())    The grass is green <color> .

Adding Labels to Sentences（给句子打标签）

# 句子可以具有一个或多个标签，例如，这些标签可用于文本分类任务。  sentence = Sentence('France is the current world cup winner.')  # 给句子增加一个sports标签  sentence.add_label('sports')  print(sentence.labels)    [sports (1.0)]    # 给句子增加多个标签  sentence = Sentence('France is the current world cup winner.')  sentence.add_labels(['sports', 'world cup'])  print(sentence.labels)    [sports (1.0), world cup (1.0)]

2.使用词向量教程

# Flair提供了很多Class，可以通过很多方法获得词/句子嵌入。词嵌入类都继承自TokenEmbeddings类，并实现embed（）方法，您需要调用该方法来嵌入文本。  # 生成的所有嵌入都是Pytorch向量，因此它们可以立即用于训练和微调。  # 经典的词嵌入是静态的和单词级的，这意味着每个不同的单词只能获得一个预先计算的嵌入。大多数词嵌入都属于这一类，包括流行的GloVe或Komnios嵌入。  # 上下文字符嵌入是一类强大的词嵌入，能够更好的捕获潜在的语法语义信息。  # Stacked Embeddings（堆叠嵌入）是此库中最重要的概念之一。您可以使用它们将不同的嵌入组合在一起。

Classic Word Embeddings

from flair.embeddings import WordEmbeddings  # c:usersyuquanleanaconda3envspython36libsite-packagesgensimutils.py:1197: UserWarning: detected Windows; aliasing chunkize to chunkize_serial warnings.warn("detected Windows; aliasing chunkize to chunkize_serial")  # 载入glove词向量，需要下载预训练模型（我网速太差好久没下载下来）  # glove_embedding = WordEmbeddings('glove')  # 转换在Glove官网下载的词向量  # 看这里：https://github.com/zalandoresearch/flair/issues/4  import gensim  vectors = gensim.models.KeyedVectors.load_word2vec_format('wiki-news-300d-1M.vec', binary=False)  vectors.save('fasttext_gensim')  # 载入转换后的glove词向量  embeddings = WordEmbeddings('fasttext_gensim')  from flair.data import Sentence  sentence = Sentence('the grass is green .')  for token in sentence:   print(token)   print(token.embedding)  # c:usersyuquanleanaconda3envspython36libsite-packagesgensimutils.py:1197: UserWarning: detected Windows; aliasing chunkize to chunkize_serial warnings.warn("detected Windows; aliasing chunkize to chunkize_serial")

Contextual String Embeddings

from flair.embeddings import CharLMEmbeddings  charlm_embedding_forward = CharLMEmbeddings('news-forward-fast')  sentence = Sentence('The grass is green .')  # charlm_embedding_forward.embed(sentence)  for token in sentence:   print(token)   print(token.embedding)    Token: 1 The  tensor([ 0.0021, -0.0000, -0.0057, ..., -0.0000, -0.0001, 0.0163])  Token: 2 grass  tensor([-0.0009, -0.0000, 0.0248, ..., -0.0000, 0.0006, 0.0057])  Token: 3 is  tensor([ 0.0018, -0.0002, 0.0298, ..., -0.0000, 0.0000, 0.0003])  Token: 4 green  tensor([-0.0004, -0.0000, 0.0046, ..., -0.0000, -0.0001, 0.0345])  Token: 5 .  tensor([ 0.0008, -0.0000, 0.0050, ..., -0.0000, -0.0000, 0.0021])

Character Embeddings

from flair.embeddings import CharacterEmbeddings  embedding = CharacterEmbeddings()  sentence = Sentence('The grass is green .')  for token in sentence:   print(token)   print(token.embedding)

Stacked Embeddings

from flair.embeddings import WordEmbeddings, CharLMEmbeddings  # c:usersyuquanleanaconda3envspython36libsite-packagesgensimutils.py:1197: UserWarning: detected Windows; aliasing chunkize to chunkize_serial warnings.warn("detected Windows; aliasing chunkize to chunkize_serial")  # init GloVe embedding  glove_embedding = WordEmbeddings('fasttext_gensim')  # init CharLM embeddings  charlm_embedding_forward = CharLMEmbeddings('news-forward')  #charlm_embedding_backward = CharLMEmbeddings('news-backward')  from flair.embeddings import StackedEmbeddings  stacked_embeddings = StackedEmbeddings(   embeddings=[glove_embedding, charlm_embedding_forward])  for token in sentence:   print(token)   print(token.embedding)

flair工具是非常强大的，如果想更多的了解用法，github上有更多的教程，包括：

代码已上传：1.https://github.com/yuquanle/StudyForNLP/blob/master/NLPtools/FlairDemo1.ipynb

2.https://github.com/yuquanle/StudyForNLP/blob/master/NLPtools/FlairDemo3.ipynb

The End