【导读】方向是自然语言处理的同学们有福啦,为了跟踪自然语言处理(NLP)的进展,有大量仁人志士在 Github 上维护了一个名为 NLP-Progress 的库。它记录了几乎所有NLP任务的 baseline 和 标准数据集,同时还记录了这些问题的state-of-the-art。
Github
https://github.com/sebastianruder/NLP-progress
官方网址
https://nlpprogress.com/
整理报道
huaiwen
NLP-Progress 同时涵盖了传统的NLP任务,如依赖解析和词性标注,和一些新的任务,如阅读理解和自然语言推理。它的不仅为读者提供这些任务的 baseline 和 标准数据集,还记录了这些问题的state-of-the-art。
下面小编简单列举了几个NLP-Progress 记录的任务:
Coreference resolution 共指消解
Dependency parsing 依存分析
Dialogue 对话
Domain Adaption 领域迁移
Entity Linking 实体链接
Information extraction 信息抽取
Language modeling 语言模型
Machine translation 机器翻译
Multi-task learning 多任务学习
Multi-modal 多模态
Named entity recognition 命名实体是被
Natural language inference 自然语言推理
Part-of-speech tagging 词性标注
Question answering 问答
Relation prediction 关系预测
Relationship extraction 关系抽取
Semantic textual similarity 语义文本相似性
Semantic parsing 语义分析
Semantic role labeling 语义角色标注
Sentiment analysis 情感分析
Summarization 文本照耀
Taxonomy learning 分类结构学习
Temporal processing 时序分析
Text classification 文本分类
Word sense disambiguation 词义消岐
。。。
。。。
对于每一个任务,NLP-Progress都会简单介绍一下这个任务是做什么的,并详细列出公开的标准数据集,以及在该数据集上各个模型目前的排名情况。比如,比较火的Question answering 问答系统任务,它的组织形式如下:
具体到某一个开放数据集,如 Quasar, 贡献者会简单介绍该数据集的组成,然后列出论文排行榜,其中每一行都包括:模型,效果,文章名和链接,以及代码链接。
还等什么,赶紧去 Star一下。
-END-
专 · 知
人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!
请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~
请关注专知公众号,获取人工智能的专业知识!
点击“阅读原文”,使用专知