基于深度学习的自然语言处理库

本项目是对DeepNLP的重构，着重增强架构设计的合理性，提高代码的可读性，减少模块的耦合度，并增加一些新功能。

环境

• python >= 3.5
• tensorflow >= 1.3.0
• sklearn
• scipy

项目结构

本项目的核心代码位于python\dnlp目录下

python/dnlp
│  cws.py   # 分词
│  ner.py   # 命名实体识别
│  rel_extract.py # 关系抽取
│  __init__.py
│
├─config
│     config.py  # 配置项
│     __init__.py
│  
├─core  # 核心功能模块
│  │  dnn_crf.py    # 基于dnn-crf的序列标注
│  │  dnn_crf_base.py # 基于dnn-crf的序列标注的基类
│  │  mmtnn.py      # max-margin tensor nural network模型
│  │  re_cnn.py     # 基于cnn的关系抽取
│  │  __init__.py
│  
├─data_process  # 训练和测试数据的预处理
│     processor.py  # 基类
│     process_cws.py  # 对分词的预处理 
│     process_emr.py 
│     process_ner.py  # 对命名实体识别的预处理
│     process_pos.py  # 对词性标注的预处理
│     __init__.py
│  
│
├─models  # 保存训练后的模型
│
├─scripts # 运行脚本，包括初始化数据集和训练测试等等
│     init_datasets.py  # 初始化训练数据
│     cws_ner.py    # 进行分词和命名实体识别的训练和使用
│     __init__.py
│
├─tests  # 单元测试
├─utils  # 公用函数
      constant.py  # 一些常量
      __init__.py
  

运行

1. 初始化数据

python python\scripts\init_datasets.py

2. 训练

python python\scripts\cws_ner.py -t

3. 使用

python python\scripts\cws_ner.py -p

参考论文

中文分词 && 命名实体识别

• deep learning for chinese word segmentation and pos tagging （完全实现，文件dnn_crf.py）
• Long Short-Term Memory Neural Networks for Chinese Word Segmentation (完全实现，文件dnn_crf.py)
• Max-Margin Tensor Neural Network for Chinese Word Segmentation （待实现，文件mmtnn.py）

实体关系抽取

• relation extraction: perspective from convolutional neural networks （待实现，文件re_cnn.py）

ToDo-List

• 完善文档
• 增加更多算法的实现
• 支持pip
• 加入TensorBoard支持
• 支持TensorFlow Estimator和Save Model
• 增加对Java、C++的支持