NLP-Progress庫NLP的最新數(shù)據(jù)集、論文和代碼

方向是自然語言處理的同學們有福啦，為了跟蹤自然語言處理(NLP)的進展，有大量仁人志士在 Github 上維護了一個名為 NLP-Progress 的庫。它記錄了幾乎所有NLP任務的 baseline 和 標準數(shù)據(jù)集，同時還記錄了這些問題的state-of-the-art。

Github

https://github.com/sebastianruder/NLP-progress

官方網(wǎng)址

https://nlpprogress.com/

整理報道

huaiwen

NLP-Progress 同時涵蓋了傳統(tǒng)的NLP任務，如依賴解析和詞性標注，和一些新的任務，如閱讀理解和自然語言推理。它的不僅為讀者提供這些任務的 baseline 和 標準數(shù)據(jù)集，還記錄了這些問題的state-of-the-art。

下面小編簡單列舉了幾個NLP-Progress 記錄的任務：

Coreference resolution 共指消解

Dependency parsing 依存分析

Dialogue 對話

Domain Adaption 領(lǐng)域遷移

Entity Linking 實體鏈接

Information extraction 信息抽取

Language modeling 語言模型

Machine translation 機器翻譯

Multi-task learning 多任務學習

Multi-modal 多模態(tài)

Named entity recognition 命名實體是被

Natural language inference 自然語言推理

Part-of-speech tagging 詞性標注

Question answering 問答

Relation prediction 關(guān)系預測

Relationship extraction 關(guān)系抽取

Semantic textual similarity 語義文本相似性

Semantic parsing 語義分析

Semantic role labeling 語義角色標注

Sentiment analysis 情感分析

Summarization 文本照耀

Taxonomy learning 分類結(jié)構(gòu)學習

Temporal processing 時序分析

Text classification 文本分類

Word sense disambiguation 詞義消岐

。。。

。。。

對于每一個任務，NLP-Progress都會簡單介紹一下這個任務是做什么的，并詳細列出公開的標準數(shù)據(jù)集，以及在該數(shù)據(jù)集上各個模型目前的排名情況。比如，比較火的Question answering 問答系統(tǒng)任務，它的組織形式如下：

具體到某一個開放數(shù)據(jù)集，如 Quasar, 貢獻者會簡單介紹該數(shù)據(jù)集的組成，然后列出論文排行榜，其中每一行都包括：模型，效果，文章名和鏈接，以及代碼鏈接。

還等什么，趕緊去 Star一下。