方栗子 发自 凹非寺
量子位 出品 | 公众号 QbitAI

最近,有一份自然语言处理 (NLP) 进展合辑,一发布就受到了同性交友网站用户的疯狂标星,已经连续3天高居GitHub热门榜首位。

NLP Progress合集里面包括,20多种NLP任务前赴后继的研究成果,以及用到的数据集。

这是来自爱尔兰的Sebastian Ruder,倾力汇总而成。

他在爱尔兰国立大学 (戈尔韦) 读博。另一个身份,是AI创业公司Aylien的研究人员。

塞巴斯蒂安说,NLP近来发展太快了,即便作为局内人,也很难顺畅地跟进这个领域里发生的事。

无微不至的仓库

要找到最常用的数据集,要了解自己研究的问题有了哪些新进展,还是很费力的。

所以,他就在GitHub上面建了一个仓库,追踪各种自然语言任务的研究成果,还有对应的数据集。

这是一间整齐的仓库,任务是按字母顺序排列——

· CCG supertagging
· Chunking
· Constituency parsing
· Coreference resolution
· Dependency parsing
· Dialog
· Domain adaptation
· Language modelling
· Machine translation
· Multi-task learning
· Multimodal
· Named entity recognition
· Natural language inference
· Part-of-speech tagging
· Question answering
· Semantic textual similarity
· Sentiment analysis
· Semantic parsing
· Semantic role labeling
· Summarization
· Text classification

作为一个情绪型选手,我点开了情绪分析 (Sentiment Analysis) 的页面。

收好这份NLP研究进展合辑,它是GitHub热门榜连续3日的榜首-深度学习中文社区

这里的数据集很亲切,比如IMDb,电影评分网站的数据。

再比如,“ (姑且称为) 美国的大众点评”,Yelp的店铺评论数据集。

收好这份NLP研究进展合辑,它是GitHub热门榜连续3日的榜首-深度学习中文社区

每个数据集下面,都有相关研究的列表,以及所用模型的准确度

当然,情绪的二分类 (Binary Classification) ,以及细粒度分类 (Fine-Grained Classification) ,作为两种问题,列表也是分开的。

收好这份NLP研究进展合辑,它是GitHub热门榜连续3日的榜首-深度学习中文社区

这人文关怀,无微不至。

未解之谜

塞巴斯蒂安还说了,上面列出的那些,是已经开始追踪的NLP任务。

收好这份NLP研究进展合辑,它是GitHub热门榜连续3日的榜首-深度学习中文社区

还有一些任务,被他加入了心愿单——

· Bilingual dictionary induction
· Discourse parsing
· Entity Linking
· Information extraction
· Keyphrase extraction
· Knowledge base population (KBP)
· More dialogue tasks
· Relation extraction
· Semi-supervised learning

这些问题的进展,在他那里还是未解之谜。

深知以一己之力难以将这部分内容补充完整,程序员还给了详细的参与步骤,希望广大NLP战士,可以互相取暖。

去看一看

塞巴斯蒂安给NLP的爱,很深沉了。

收好这份NLP研究进展合辑,它是GitHub热门榜连续3日的榜首-深度学习中文社区

他的博客,各位同行或许也很眼熟了。

变身前:Sebastianruder.com
变身后:Ruder.io

没有收藏的话,现在可以收藏一下。

 

当然,这里也要手动贴上NLP仓库的地址:

github.com/sebastianrud

且去走一遭。

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态