0

总的来说，我是 NER 和 NLP 的新手，我想知道我是否理解了这些材料。例如，我有预训练模型“ner-english-large”。我正在使用一个模型，结果证明该模型没有识别正确的实体。

（在此示例中，“Dsl”未标记为 ORG）

from flair.data import Sentence
from flair.models import SequenceTagger
from flair.data import Corpus
from flair.trainers import ModelTrainer

tagger = SequenceTagger.load("flair/ner-english-large")
sentence = Sentence("Dsl hit 100% success in sales across all the world")
tagger.predict(sentence)
sentence.get_spans('ner')

#output
[]

所以我想改进我的模型。我正在以适当的格式将这句话上传到语料库。

columns = {0 : 'text', 1 : 'ner'}
data_folder = "train"
corpus: Corpus = ColumnCorpus(data_folder, columns)
label_type = 'ner'
label_dict = corpus.make_label_dictionary(label_type=label_type)

然后我正在初始化trainer

tagger = SequenceTagger.load("flair/ner-english-large")
trainer = ModelTrainer(tagger, corpus)

但是在此之后，我对下一步应该做什么有点困惑。在此之前，我尝试train了方法并且它有效。根据需要识别数据（之前识别不正确）。

trainer.train('fine/taggers/continued_model',
              learning_rate=0.01,
              mini_batch_size=32,
              max_epochs=6)

但我不知道这是正确的方法还是我需要使用fine-tune？你能解释一下哪种方法更正确吗？

4

0 回答 0