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

• Github

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

• 官方网址

• https://nlpprogress.com/

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    命名实体识别

• 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    文本摘要

• 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。