创建环境

conda create -n slu python=3.6
source activate slu
pip install torch==1.7.1
pip install allennlp, pytorch-crf

并安装ELMo for manylangs
git clone https://github.com/ericxsun/ELMoForManyLangs.git
cd ELMoForManyLangs
python setup.py install

如果您想运行SLU-GNN的代码，请安装pyg库。

运行测试代码

在根目录下运行以下代码可以实现对ELMO+SLSTM+CRF的调用：

python scripts/slu_baseline_elmo.py

代码说明

除了原脚本外，我们添加了以下文件内容：

• model/attention.py:实现了注意力机制模型

• model/graphlstm.py:实现了GraphLSTM的代码

• model/slstm.py:实现了Sequence-State LSTM的代码

• model/slugnn.py:实现了SLU-GNN的代码

• model/stack_propagation.py:实现了Stack-Propagation（LSTM-decoder）的代码

• model/bilstm_crf:双向LSTM+CRF的最初实现，CRF算法耗时较长

• model/bilstmcrf.py:使用torchcrf库优化后的BiLSTM+CRF实现

• model/bilstm_crf.py:添加了ELMo模型的BiLSTM+CRF算法

• scripts/correct.py:纠错数据集的生成代码

• scripts/train_crf_elmo_correct.py:使用纠错后数据集的ELMo+BiLSTM+CRF训练

• scripts/train_crf_elmo.py:ELMo+BiLSTM+CRF训练

• scripts/train_crf.py:BiLSTM+CRF训练

• scripts/slu_basline_elmo.py:实现了以上模型的训练接口，请注意若想调用请自行修正代码，我们没有提供接口