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。

原文发布时间为：2018-11-15

本文来自云栖社区合作伙伴“专知”，了解相关信息可以关注“专知”。