NLP 2018 Highlights:2018自然语言处理技术亮点汇总

2019 年 2 月 9 日 AINLP
NLP 2018 Highlights:2018自然语言处理技术亮点汇总

即将收假,感兴趣的同学可以收下这份由 Elvis Saravia 在Github上发布的71页的PDF《NLP highlights of 2018》,汇总了2018年学术界和工业界NLP最重要的事件和技术亮点,涵盖强化学习、情感分析、NLP迁移学习、通用NLP、相关数据集等,感兴趣的同学可以直接访问 Github链接,也可点击文末“阅读原文“查看,PDF可直接从github上下载:

https://github.com/omarsar/nlp_highlights


以下是Github节选和部分报告节选:


NLP 2018 Highlights

It has been a big year for the field of natural language processing (NLP) and for machine learning as a whole. There have been many trends and breaking stories, with state-of-the-art results and new interesting research directions emerging. We owe all of this progress to the brilliant researchers around the world and the millions of developers devoting their full time to improve tools that make it easier for everyone to learn and progress the field. We have witnessed a rise in transfer learning and other niche areas of research such as AI Ethics.

In this report, I have provided a summary of all the biggest NLP stories of the year (2018) coming from both academia and the industry. I hope this report serves as a guide for the researcher and developer that wishes to start learning about this field and also for the expert who wishes to brush up on some of the latest advancements. The selected topics are based purely on personal observation, so it is highly possible that I missed other important stories. In fact, the stories shared here are an extended compilation of the NLP Newsletter published weekly on the dair.ai publication. I have made an effort to categorize the stories in the best possible way so that the report could benefit as many readers as possible. Please note that the report is meant to be non-technical for the purpose of reaching as many diverse readers as possible. The stories are mainly categorized by the following key topics: AI ethics, research publications, trends, education, resources, industry, and much more.

PDF of "NLP 2018 Highlights"

PDF全文请点击阅读原文在github上获取:

https://github.com/omarsar/nlp_highlights

登录查看更多
10

相关内容

NLP:自然语言处理
小贴士
相关资讯
深度学习自然语言处理阅读清单
专知
21+阅读 · 2019年1月13日
自然语言处理 | 使用Spacy 进行自然语言处理
机器学习和数学
14+阅读 · 2018年8月22日
NLP论文的技术播客-NLP Highlights
专知
14+阅读 · 2018年8月6日
五个精彩实用的自然语言处理资源
机器学习研究会
5+阅读 · 2018年2月23日
【推荐】自然语言处理(NLP)指南
机器学习研究会
33+阅读 · 2017年11月17日
自然语言处理 (NLP)资源大全
机械鸡
35+阅读 · 2017年9月17日
相关VIP内容
专知会员服务
19+阅读 · 2020年7月6日
专知会员服务
86+阅读 · 2020年3月18日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
57+阅读 · 2019年12月23日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
63+阅读 · 2019年10月16日
[综述]深度学习下的场景文本检测与识别
专知会员服务
46+阅读 · 2019年10月10日
TensorFlow 2.0 学习资源汇总
专知会员服务
46+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
24+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
39+阅读 · 2019年9月29日
学习自然语言处理路线图
专知会员服务
70+阅读 · 2019年9月24日
相关论文
Marco Tulio Ribeiro,Tongshuang Wu,Carlos Guestrin,Sameer Singh
11+阅读 · 2020年5月8日
Ramchandra Joshi,Purvi Goel,Raviraj Joshi
4+阅读 · 2020年1月19日
Meta-World: A Benchmark and Evaluation for Multi-Task and Meta Reinforcement Learning
Tianhe Yu,Deirdre Quillen,Zhanpeng He,Ryan Julian,Karol Hausman,Chelsea Finn,Sergey Levine
29+阅读 · 2019年10月24日
Yingtian Zou,Jiashi Feng
7+阅读 · 2019年4月19日
Few-shot Learning: A Survey
Yaqing Wang,Quanming Yao
334+阅读 · 2019年4月10日
Baohua Sun,Lin Yang,Patrick Dong,Wenhan Zhang,Jason Dong,Charles Young
4+阅读 · 2018年10月15日
Joaquin Vanschoren
117+阅读 · 2018年10月8日
Antoine J. -P. Tixier
10+阅读 · 2018年8月30日
Iulian V. Serban,Chinnadhurai Sankar,Mathieu Germain,Saizheng Zhang,Zhouhan Lin,Sandeep Subramanian,Taesup Kim,Michael Pieper,Sarath Chandar,Nan Rosemary Ke,Sai Rajeswar,Alexandre de Brebisson,Jose M. R. Sotelo,Dendi Suhubdy,Vincent Michalski,Alexandre Nguyen,Joelle Pineau,Yoshua Bengio
10+阅读 · 2018年1月20日
Han Xiao,Lian Meng,Minlie Huang,Xiaoyan Zhu
6+阅读 · 2017年12月2日
Top
微信扫码咨询专知VIP会员