新智元报道
来源：nlpprogress.com
编辑：大明
【新智元导读】本文是一个自然语言处理资源索引，涵盖了目前NLP领域常用任务的最佳实验 结果和数据集资源，可以作为进一步从事NLP研究的基础。读者也可以自行在Github页面上添加新的结果，本文中大部分为英文NLP资源，还有少数汉语、印地语和越南语资源。
本文实际上是一个索引，旨在记录自然语言处理（NLP）领域的新进展，并概述最常见的NLP任务及其相应数据集的新技术。
这篇索引旨在涵盖主要的传统和核心NLP任务，如语义依赖性解析和词性标注等，以及最近不断取得新突破的任务，比如阅读理解和自然语言推理。本文主要目标是为感兴趣的读者提供关于NLP基准数据集的快速概览，以及最新技术的进展，这些数据集和新进展可以作为进一步NLP研究的基础。
因此，本文有意将这些NLP领域的新研究进展做一个简单汇总，便于研究人员集中查阅参考。
读者也可以通过浏览器访问nlpprogress.com 或nlpsota.com来阅读本文。
简易使用指南
实验结果
本文首选在已发表的论文中的实验结果，但对少数影响力很大的预印本论文也可能入选。
数据集
本文中收录的数据集，除了利用该数据集的论文之外，还应经过至少一篇已发表的其他论文的评估。
代码
我们建议添加指向实现的链接（如果可用）。如果代码不存在，您可以向表中添加代码列（见下文）。在Code列，建议使用官方实现。如果有非官方实现，请使用链接（见下文）。如果没有可用的实现，可以将单元格留空。
向本索引中添加新结果
如果要添加新结果，只需单击文件右上角的小编辑按钮以执行相应任务（如下图所示）。
读者可以在Markdown中编辑文件。只需以相同的格式将一行添加到相应的表中即可。确保表格中数据排序正确（将最佳结果位于顶部）。完成更改后，单击页面顶部的“预览更改”选项卡，确保表格看起来还不错。如果一切看起来都OK，请转到页面底部确认更改。
此处需要为建议更改添加名称，可以选择添加说明文字，可以选择“创建新分支并启动拉取请求”，然后单击“提交更改”。
具体索引内容和研究领域如下，绝大部分为英语，有少量资源为汉语、印地语和越南语。
英语
- 自动语音识别
- CCG超级标准
- 常识
- 选区解析
- 共同决议
- 依赖解析
- 对话
- 域适应
- 实体链接
- 语法纠错
- 信息提取
- 语言建模
- 词汇规范化
- 机器翻译
- 多任务学习
- 多模态
- 命名实体识别
- 自然语言推理
- 词性标注
- 问答
- 关系预测
- 关系提取
- 语义文本相似度
- 语义解析
- 语义角色标记
- 情绪分析
- 浅语法
- 简单化
- 状态检测
- 概要
- 分类学习
- 时间处理
- 文字分类
- 词义消歧
中文
- 实体链接
- 中文词汇分割
印地语
- 分块
- 词性标注
- 机器翻译
越南语
- 依赖解析
- 机器翻译
- 命名实体识别
- 词性标注
- 分词
最后以”中文-词汇分割”子类目为例，简单说明这个索引资源的呈现方式。
点击相应链接进入，首先是中文词汇分割这个任务的简要介绍。
下面列出了不同作者建立的基于不同搜索方式的单词分割模型，以及相应模型的发表时间。
接下来是评估指标，此类中为F1分数。下面以表格形式给出每种模型在不同数据集上获得的最佳F1分数。每个分数对应的研究论文链接和部分Github资源地址。
可以看到，表中中文词汇分割模型的最优F1分数均超过了96分，感兴趣的读者可以点击查看论文或Github资源。
