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。
