NLP-Progress记录NLP最新数据集、论文和代码: 助你紧跟NLP前沿

【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~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

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