Flair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。 我们的框架直接在Pytorch上构建，使您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
作者测试的结果：
作者也提供了不错的教程：
接下来我们一起来看看Flair的使用方法
我们可以通过load（）方法来选择加载的预训练模型。 目前，提供以下预先训练的模型：
Tutorial 1: 基本类型
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
我们可以通过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')
# 我们可以看到，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)]