DLNLP学习笔记14（NLP Tasks）

1 Text-to-Class：
1）Category：① Text ---> Single Class. ② Text ---> Multi Classes.

2 Text-to-Text：Seq2Seq+Attention.

3 输入：
1）单个句子：直接输入。
2）多个句子：两种方法，整合后再进行训练或者训练后再进行整合。

4 总结：

5 Part-of-Speech (POS) Tagging.（词性标注）

6 Word Segmentation.（分词）（难点在于中文分词，因为中文文本的词之间没有明确的边界。）

7 Parsing.（句法分析）

8 Coreference Resolution.（指代消解）（标记出文本中代词真正指代的实体目标。）

9 Summarization.（文本摘要）

10 Machine Translation.（机器翻译）（现阶段难点在于无监督学习的机器翻译，例如，不需要英文跟中文的对应关系，直接将英文翻译成中文。）

11 Grammar Error Correction.（语法纠错）

12 Sentiment Classification.（情感分类）

13 Stance Detection.（立场检测）（可用于真实性检测，例如新闻的真实性检测，通过检测新闻的立场，该新闻的评论回复立场，wikipedia的立场对真实性进行判断。）

14 Natural Language Inference (NLI)（自然语言推理）
例子：

15 Search Engine（搜索引擎）（传统的搜索引擎都是基于关键字的输出，只考虑了字形，而深度学习的搜索引擎考虑了每个单词在句子中的含义、语境，输出更加相关的结果。）

16 QA.
1）传统方法：

2）深度学习方法：

17 Dialogue.（Chatting&Task-oriented）（在Task-oriented中，Policy的作用是根据State决定下一步的Ask的内容。）

1）Task-oriented：
① Natural Language Understanding.

② 完整的模型：

18 Knowledge Graph.（知识图谱）
1）例子：

2）Name Entity Recognition. (NER)（命名实体识别）
3）Relation Extraction.
例子：

19 评测：
1）GLUE：三大类：① 句子的类别；② 两个句子的相似度；③ 自然语言推理（多个句子输出一个类别）。

2）Super GLUE：

3）DecaNLP：将NLP任务看成QA问题。