强烈推荐一个项目：Chinese NLP ，这是由滴滴人工智能实验室所属的自然语言处理团队创建并维护的，该项目非常细致的整理了中文自然语言处理相关任务、数据集及当前最佳结果，相当完备。
项目主页：https://chinesenlp.xyz
Github: https://github.com/didi/ChineseNLP
这个项目里面目前包含了18个中文自然语言处理任务，以及一个其他类别：
每个子任务下面，会详细介绍相关的任务背景、示例、评价指标、相关数据集及当前最佳结果。以中文分词为例，除了我们熟悉的backoff2005数据集外，还有一些其他数据来源：
再看一下机器翻译任务，关于评价指标，描述的相当详细：
- 直接评估（人工评判）。Amazon Mechnical Turk上的标注人员会看到一个系统生成的翻译和一个人工翻译，然后回答这样一个问题：“系统翻译有多么精确的表达了人工翻译的含义？”
- Bleu score (Papineni et al 02 ).
- 大小写敏感 vs. 大小写不敏感
- Brevity penalty 触发条件: 当机器翻译结果短于最短的参考译文 (reference) 或者短于最接近的参考译文 (reference)。
- brevity penalty: 一个系数，用来惩罚长度短于参考翻译的机器翻译结果。
- 标准的Bleu计算流程会先对参考译文和机器翻译结果进行符号化 (tokenizition)。
- 如果中文是目标 (target) 语言, 则使用字符级别 {1,2,3,4}-gram匹配。
- 当只有1条人工参考翻译译文时使用Bleu-n4r1评估。
- Bleu-n4r4: 词级别 {1,2,3,4}-gram 匹配, 与4条人工参考翻译译文比较
- 标准Bleu有很多重要的变种:
- NIST. Bleu的一种变体，赋予少见的n-gram更高的权重。
- TER (Translation Edit Rate). 计算机器翻译与人工参考译文之间的编辑距离 (Edit distance)。
- BLEU-SBP ((Chiang et al 08)[http://aclweb.org/anthology/D08-1064] ). 解决了Bleu的解耦（decomposability) 问题，在Bleu和单词错误率取得一个折中。
- HTER. 修改为一个良好的翻译所需要的人工编辑次数 (the number of edits)。
机器翻译相关语料资源方面，也包括我们比较熟悉的联合国语料库和AI Challenger：
其他相关任务感兴趣的同学可以自行参考，这是一个相当不错的了解当前中文NLP相关任务的参考点，感谢建设和维护该项目的同学。
