AllenNLP系列文章之一：初识AllenNLP和代码重构

　　AllenNLP是一个相对成熟的基于深度学习的NLP工具包，它 构建于 PyTorch 之上，它的设计遵循以下原则：
（1）超模块化和轻量化。你可以使用自己喜欢的组件与 PyTorch 无缝连接。
（2）经过广泛测试，易于扩展。测试覆盖率超过 90%，示例模型为你提供了很好的模板。
（3）真正的填充和覆盖，让你可以毫无痛苦地轻松实现正确的模型。

（4）易于实验。可以通过符合 json 规范的全面记录重现实验过程。

AllenNLP的Github代码上可以看到其代码的主要核心如下图：

从其Demo上可以看出目前其包含的几个大类如下：Machine Comprehension：机器阅读，Semantic Role Labeling：语义标注，Coreference Resolution：指代消解，Textual Entailment：文本蕴涵，Named Entity Recognition：命名实体识别，Constituency Parsing：成分句法分析

2、代码重构分析

　　下载代码，在python3.6环境下新建全新工程进行导入。更改torch版本到0.3.0以上，其中还需要一包的支持，如pyhocon, overrides等。然后运行run.py，即可成功，如下所示：