#深度学习用于自然语言处理 - 教程

关于深度学习的实践教程，特别关注自然语言处理（Natural Language Processing，NLP）。

本 Git 仓库配合 UKP 开设的深度学习与自然语言处理课程和研讨会使用。与其他教程不同，本教程侧重于深度学习方法的应用。

深度学习用于自然语言处理 - 研讨会 - 2017年7月

2017年7月，我更新了幻灯片至最新的 Python 和 Keras 版本。幻灯片和源代码可在文件夹 2017-07_Seminar 中找到。该文件夹中的代码可在 Python 2.7 或 Python 3.6 环境下运行，使用 Keras 2.0.5，后端可选择 Theano (0.9.0) 或 TensorFlow (1.2.1)。

该文件夹涵盖了四种不同的 NLP 深度学习模型：

1. 用于序列分类的前馈神经网络（Feed Forward Architecture），例如词性标注（POS）、命名实体识别（NER）、分块（Chunking）
2. 用于句子/文本分类的卷积神经网络（Convolutional Neural Network, CNN），例如情感分类
3. 用于关系抽取的卷积神经网络，例如语义关系抽取
4. 用于序列分类的长短期记忆网络（Long-Short-Term-Memory, LSTM）

深度学习用于自然语言处理 - 研讨会 - 2016年11月

2016年11月，我在杜伊斯堡-埃森大学举办了研讨会。幻灯片和源代码可在文件夹 2016-11_Seminar 中找到。研讨会上我使用 Python 2.7、Theano 0.8.2 和 Keras 1.1.1 实现了四种不同的 NLP 深度学习模型：

1. 用于序列分类的前馈神经网络（例如词性标注、命名实体识别、分块）
2. 用于句子/文本分类的卷积神经网络（例如情感分类）
3. 用于关系抽取的卷积神经网络（例如语义关系抽取）
4. 用于序列分类的长短期记忆网络

深度学习用于自然语言处理 - 课程 - 2015年10月

2015年10月，我在达姆斯塔特工业大学为 UKP 系开设了课程。课程分为六个部分，涵盖深度学习的基础知识。课程中使用 Python 2.7、Theano 0.6.0 和 Keras 0.3.0 来实现深度学习在 NLP 中的不同应用。幻灯片、源代码和视频录像可在文件夹 2015-10_Lecture 中找到。

联系方式

联系人：Nils Reimers，reimers@ukp.informatik.tu-darmstadt.de

http://www.ukp.tu-darmstadt.de/

http://www.tu-darmstadt.de/

如果发现任何问题（尽管不应该出现）或有其他问题，请随时发送电子邮件或提交问题报告。

本仓库包含实验性软件，仅供支持教学使用。

deeplearning4nlp-tutorial 快速上手指南

本教程提供深度学习在自然语言处理（NLP）领域的实践案例，包含四种常用的 NLP 深度学习模型实现。

环境准备

系统要求

• 操作系统：Linux / macOS / Windows
• Python 2.7 或 Python 3.6

前置依赖

依赖	推荐版本
Python	2.7 或 3.6
Keras	2.0.5
Theano	0.9.0 或 TensorFlow 1.2.1
NumPy	-
SciPy	-

安装步骤

1. 克隆仓库

git clone https://github.com/UKPLab/deeplearning4nlp-tutorial.git
cd deeplearning4nlp-tutorial

2. 安装 Python 依赖

pip install numpy scipy
pip install tensorflow  # 或 pip install theano
pip install keras==2.0.5

国内加速：可使用清华镜像源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy scipy tensorflow keras==2.0.5

基本使用

运行示例代码

本教程提供四个核心模型示例，位于 2017-07_Seminar/ 目录下：

1. 前馈神经网络 - 序列分类（POS、NER、Chunking）
2. CNN - 句子/文本分类（情感分析）
3. CNN - 关系抽取
4. LSTM - 序列分类

快速运行示例

进入示例目录并运行：

cd 2017-07_Seminar
python 2-1_Classification_Embeddings.py

目录结构

deeplearning4nlp-tutorial/
├── 2017-07_Seminar/    # 最新版本（推荐）
│   ├── 1-1_Embeddings.py
│   ├── 2-1_Classification_Embeddings.py
│   ├── 3-1_CNN_Classification.py
│   └── 4-1_LSTM_Sequence_Tagging.py
├── 2016-11_Seminar/
└── 2015-10_Lecture/

注意事项

• 推荐使用 2017-07_Seminar 目录下的代码，兼容 Python 2.7/3.6
• 如遇依赖冲突，建议使用虚拟环境：

  python -m venv venv
  source venv/bin/activate  # Linux/macOS
  # 或
  venv\Scripts\activate     # Windows