最近，有一份自然語言處理 (NLP) 進展合輯，一發布就受到了同性交友網站用戶的瘋狂標星，已經連續3天高居GitHub熱門榜首位。

合集里面包括，20多種NLP任務前赴后繼的研究成果，以及用到的數據集。

這是來自愛爾蘭的Sebastian Ruder，傾力匯總而成。

他在愛爾蘭國立大學 (戈爾韋) 讀博。另一個身份，是AI創業公司Aylien的研究人員。

塞巴斯蒂安說，NLP近來發展太快了，即便作為局內人，也很難順暢地跟進這個領域里發生的事。

無微不至的倉庫

要找到最常用的數據集，要了解自己研究的問題有了哪些新進展，還是很費力的。

所以，他就在GitHub上面建了一個倉庫，追蹤各種自然語言任務的研究成果，還有對應的數據集。

這是一間整齊的倉庫，任務是按字母順序排列——

· 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

作為一個情緒型選手，我點開了情緒分析 (Sentiment Analysis) 的頁面。

這里的數據集很親切，比如IMDb，電影評分網站的數據。

再比如，“ (姑且稱為) 美國的大眾點評”，Yelp的店鋪評論數據集。

每個數據集下面，都有相關研究的列表，以及所用模型的準確度。

當然，情緒的二分類 (Binary Classification) ，以及細粒度分類 (Fine-Grained Classification) ，作為兩種問題，列表也是分開的。

這人文關懷，無微不至。

未解之謎

塞巴斯蒂安還說了，上面列出的那些，是已經開始追蹤的NLP任務。

還有一些任務，被他加入了心愿單——

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

這些問題的進展，在他那里還是未解之謎。

深知以一己之力難以將這部分內容補充完整，程序員還給了詳細的參與步驟，希望廣大NLP戰士，可以互相取暖。

去看一看

塞巴斯蒂安給NLP的愛，很深沉了。

他的博客，各位同行或許也很眼熟了。

變身前：Sebastianruder.com
變身后：Ruder.io

沒有收藏的話，現在可以收藏一下。

當然，這里也要手動貼上NLP倉庫的地址：

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

且去走一遭。

原文發布時間為：2018-06-27

本文作者：方栗子

本文來自云棲社區合作伙伴“量子位”，了解相關信息可以關注“量子位”。