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。

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。

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。

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。

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。

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。

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：

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

且去走一遭。

原文发布时间为：2018-06-27

本文作者：方栗子

本文来自云栖社区合作伙伴“量子位”，了解相关信息可以关注“量子位”。