本文概述了自然语言处理中的多种核心技术，如词性标注、分词、句法分析、指代消解、文本摘要、机器翻译、语法纠错、情感分析等，以及相关的任务如句子分类、真假判断、对话系统和任务导向的NLP应用，还提到了GLUE和SUPERGLUE等评估框架。
前处理：
1.POS — Tagging：标记句子中每个词汇的词性。结果作为输入的一部分输入到其他模型。
2.Word Segmentation：用于中文，二值化结果，输出边界，输入downstream
3.Parsing:产生一个树状结构，作为一种额外的特征输入。
4.Coreference Resolution：指代消解，找出指代相同的词汇
5. Summarization摘要，对句子进行二值化分类，是否放进摘要里（token是句子）
6.抽象摘要，输入很多句子，输出也是很多句子）
7.机器翻译（seq2seq）
8.语法改错（seq2seq）
9.句子分类&立场分析（输入连个句子），输入句子，输出句子的分类
10.真假判断
句子推理：
搜索引擎：
QA系统
对话（chatting，要输入之前说过的话）
Task oriented
state只与关心的信息有关，记录这些信息，过滤无关信息。policy觉得根据现在的状态采取什么问题。
NLU
知识图谱
GLUE：用一个模型评价多个语言任务
SUPER GLUE：更加困难的分类任务
任务综述：
744
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
