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

展开全文
Top
微信扫码咨询专知VIP会员