本项目是对[DeepNLP](https://github.com/supercoderhawk/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。

* `python >= 3.5`

* `tensorflow >= 1.3.0`

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

│

├─tests # 单元测试

├─utils # 公用函数

constant.py # 一些常量

__init__.py

* `python\init_datasets.py`：初始化训练数据

* `python\runner\cws_ner.py`：进行分词和命名实体识别的训练和使用

1. 初始化数据

python python\init_datasets.py

2. 训练

python dnlp\runner\cws_new.py -t

3. 使用

python dnlp\runner\cws_new.py -p

* [deep learning for chinese word segmentation and pos tagging](www.aclweb.org/anthology/D13-1061) （完全实现，文件[`dnn_crf.py`](https://github.com/supercoderhawk/DeepLearning_NLP/blob/master/python/dnlp/core/dnn_crf.py)）

* [Long Short-Term Memory Neural Networks for Chinese Word Segmentation](http://www.emnlp2015.org/proceedings/EMNLP/pdf/EMNLP141.pdf) (完全实现，文件[`dnn_crf.py`](https://github.com/supercoderhawk/DeepLearning_NLP/blob/master/python/dnlp/core/dnn_crf.py))

* [Max-Margin Tensor Neural Network for Chinese Word Segmentation](www.aclweb.org/anthology/P14-1028) （待实现，文件[`mmtnn.py`](https://github.com/supercoderhawk/DeepLearning_NLP/blob/master/python/dnlp/core/mmtnn.py)）

* [relation extraction: perspective from convolutional neural networks](http://aclweb.org/anthology/W15-1506) （待实现，文件[`re_cnn.py`](https://github.com/supercoderhawk/DeepLearning_NLP/blob/master/python/dnlp/core/re_cnn.py)）

- [ ] 增加更多算法的实现

- [ ] 支持pip

- [ ] 增加对Java、C++的支持