[转]NLP Tasks

最新推荐文章于 2024-05-31 08:19:46 发布
最新推荐文章于 2024-05-31 08:19:46 发布
阅读量310 收藏 1
点赞数
文章标签： 人工智能 数据库

Natural Language Processing Tasks and Selected References

I've been working on several natural language processing tasks for a long time. One day, I felt like drawing a map of the NLP field where I earn a living. I'm sure I'm not the only person who wants to see at a glance which tasks are in NLP.

I did my best to cover as many as possible tasks in NLP, but admittedly this is far from exhaustive purely due to my lack of knowledge. And selected references are biased towards recent deep learning accomplishments. I expect these serve as a starting point when you're about to dig into the task. I'll keep updating this repo myself, but what I really hope is you collaborate on this work. Don't hesitate to send me a pull request!

Oct. 13, 2017.

by Kyubyong

Reviewed and updated by YJ Choe on Oct. 18, 2017.

Anaphora Resolution

Automated Essay Scoring

Automatic Speech Recognition

Automatic Summarisation

Coreference Resolution

Entity Linking

Grammatical Error Correction

Grapheme To Phoneme Conversion

Humor and Sarcasm Detection

Language Grounding

Language Guessing

Language Identification

Language Modeling

Language Recognition

Lemmatisation

Lip-reading

Machine Translation

Morphological Inflection Generation

Named Entity Disambiguation

Named Entity Recognition

Paraphrase Detection

Paraphrase Generation

Parsing

Part-of-speech Tagging

Pinyin-To-Chinese Conversion

Question Answering

Relationship Extraction

Semantic Role Labeling

Sentence Boundary Disambiguation

Sentiment Analysis

Singing Voice Synthesis

Social Science Applications

Source Separation

Speaker Authentication

Speaker Diarisation

Speaker Recognition

Speech Reading

Speech Recognition

Speech Segmentation

Speech Synthesis

Speech Enhancement

Speech-To-Text

Spoken Term Detection

Stemming

Term Extraction

Text Similarity

Text Simplification

Text-To-Speech

Textual Entailment

Transliteration

Voice Conversion

Voice Recognition

Word Embeddings

Word Prediction

Word Segmentation

Word Sense Disambiguation

— Language Models, Segmentation
— Morphological Analysis, POS Tagging and Sequence Labeling
— Syntactic and Semantic Parsing
— Lexical and Compositional Semantics
— Discourse and Coreference
— Dialogue and Interactive Systems
— Narrative Understanding and Commonsense Reasoning
— Spoken Language Processing
— Text Mining
— Sentiment Analysis and Opinion Mining
— Information Retrieval, Question Answering
— Information Extraction
— Summarization
— Natural Language Generation
— Machine Translation
— Multilinguality and Cross-linguality
— Linguistic Theories and Resources
— Computational Psycholinguistics
— Multimodal and Grounded Language Processing
— Machine Learning for NLP
— Web, Social Media and Computational Social Science
— Ethics and Fairness in NLP
— Other NLP Applications

weixin_34259559
关注
【GPT和BERT对比】应用于NLP自然语言处理优点和局限性 The Advantages and Limitations of using GPT and BER Tfor NLP tasks
AI天才研究院
07-18 2621
自然语言处理（NLP）一直是人工智能领域最热门、最具挑战性的研究方向之一。近年来，基于神经网络（NN）的预训练模型已经取得了令人瞩目成果，例如GPT-3和BERT等。这些模型通过在海量数据上进行训练，学习到文本表示的抽象特征，并逐渐适应不同的任务。但是，由于预训练模型涉及到的知识面过于庞大，对于不同任务的效果可能会存在差异。因此，如何选择合适的预训练模型、调整参数配置、以及采用哪些优化技巧，成为众多研究者面临的难题。
nlp_tasks:nlp基础任务
04-08
NLP算法 说明 此算法仓库包括文本分类、序列标注、关系抽取、文本匹配、文本相似度匹配这五个主流NLP任务，涉及到22个相关的模型算法。 框架结构 文件结构 all_models ├── Base_line │   ├── __init__.py │   ├── base_data_process.py │   ├── base_evaluation.py │   └── single_tokenizer.py │ ├── Texts_Classification │   ├── 机器学习_文本分类 │   ├── fasttext_文本分类 │   ├── textcnn_文本分类 │   ├── lstm_文本分类 │   ├── han_文本分类 │   ├── bert_文本分类 │   └── 数据准备 │ ├── Sequence_Labeling │   ├── crf_su
DLNLP学习笔记14（NLP Tasks）
GaLileo_C的博客
08-13 251
1
李宏毅DLHLP.16.NLP tasks
老毛的博客
11-02 1232
文章目录介绍 介绍 本门课程是2020年李宏毅老师新课：Deep Learning for Human Language Processing（深度学习与人类语言处理） 课程网站 B站视频 公式输入请参考：在线Latex公式
自然语言相关（0）—— 任务介绍nlp tasks
u014448054的博客
08-03 814
自然语言相关（0）—— 任务介绍nlp tasks 基础 token 可能是字母、单词等等等 Downstream tasks: Downstream tasks is what the field calls those supervised-learning tasks that utilize a pre-trained model or component. 任务 Part-of-Speech(POS) tagging 是否有必要 前处理 为句子中的每个词汇进行 词性标注 可以将这个
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 阅读笔记
最新发布
mashutian的博客
05-31 908
于是，为了估计到底得到什么y，对于每个文章z在进行beam search中有些没有出现的y，进行了前向传播以得到概率，然后将该概率带入计算最终的边缘概率里，该操作叫thorough decoding。在训练的时候，作者表明他们并没有给出任何监督的信息，即什么样的文本应该被检索出来。看起来挺复杂，不过大致可以看到query来了以后encoder一下，然后根据maximum inner product search，最大点积向量搜索，找到维基百科中最相关的K个文档，然后送给文本生成器，让其进行文本序列的预测。
Simple Contrastive Representation Adversarial Learning for NLP Tasks
红酒暖心不暖胃
12-24 2111
这里写自定义目录标题论文目的相关工作contrastive learningAdversarial Training and Adversarial Attack本文方法Adversarial Training And Adversarial Attack MethodsSelf-supervised Contrastive LearningSupervised Contrastive Adversarial LearningUnsupervised Contrastive Adversarial Lear
Neural Machine Translation of Rare Words with Subword Units翻译
nopSled
07-31 1327
摘要 神经机器翻译（NMT）模型通常以固定的词汇量运行，但是翻译是一个开放词汇的问题。先前的工作通过退回到字典来解决词汇外单词的翻译。在本文中，我们介绍了一种更简单，更有效的方法，通过将稀疏和未知词编码为子词单元序列，使NMT模型能够进行开放词汇翻译。这是基于这样的直觉，即可以通过比单词小的单位来翻译各种单词类别，例如名称（通过字符复制或音译），复合词（通过组成翻译）以及同源词和借词（通过语音和词法转换）。我们讨论了不同的分词技术的适用性，包括简单字符n-gram模型和基于字节对编码压缩算法的分词，并通过经
《Neural Machine Translation: Challenges, Progress and Future》译文分享
qq_38361589的博客
07-04 1307
2020年 张家俊 和 宗成庆 神经机器翻译 超经典综述机器翻译 建议每个入门的nlp或神经机器翻译学者必读内容，快速了解神经机器翻译现状以及最新发展
CSTR VCTK Corpusu国内源下载
11-24
CSTR语音克隆英语多说话人语料库工具包 概述 这个CSTR VCTK语料库包含了109个以不同口音为母语的英语使用者的语音数据。 每位演讲者要朗读大约400句句子，其中大部分是从报纸上挑选出来的，再加上彩虹段落和一段旨在识别演讲者口音的启事段落。 这些报纸文本是在先驱时报集团(Herald & Times Group)的许可下，从格拉斯哥的《先驱报》(The Herald)上摘取的。 每位演讲者阅读一组不同的报纸句子，每组句子都是通过贪婪算法选择的，该算法旨在最大限度地扩大上下文和语音覆盖范围。 彩虹段落和启发性段落对所有演讲者都是一样的。 彩虹之旅可以在国际英语方言档案(http://web.ku.edu/~idea/readings/rainbow.htm)中找到。 引出段落与用于语音重音存档(http://accent.gmu.edu)的段落相同。 语音口音档案的细节可以在http://www.ualberta.ca/~aacl2009/PDFs/WeinbergerKunath2009AACL.pdf上找到 所有的语音数据都是使用相同的录音设置记录的:一个全向头戴式麦克风(DPA 4035)，采样频率为96kHz, 24位，在爱丁堡大学的半暗室中。 所有录音均转换为16位，基于STPK下采样至48 kHz，并手动端点。 该语料库的录制是为了构建基于hmm的文本-语音合成系统，特别是用于使用多个发言者训练的平均语音模型和发言者自适应技术构建基于发言者自适应的语音合成系统。 复制 该语料库是在开放数据共享署名许可(ODC-By) v1.0下授权的。 http://opendatacommons.org/licenses/by/1.0/ http://opendatacommons.org/licenses/by/summary/ 下载 http://dx.doi.org/10.7488/ds/1994 确认 CSTR VCTK语料库由: Christophe Veaux(爱丁堡大学) Junichi Yamagishi(爱丁堡大学) 克里斯汀•麦克唐纳 导致这些结果的研究部分得到了EPSRC EP/I031022/1 (NST)和EP/J002526/1 (CAF)的资助，来自RSE-NSFC的资助(61111130120)和JST CREST (uDialogue)的资助。
【李宏毅NLP笔记】Tacotron 可以从哪些方面改进
Oner.wv的专栏
05-08 1333
作者:龚俊民(昵称:除夕)学校:新南威尔士大学方向:自然语言处理和可解释学习知乎:https://www.zhihu.com/people/gong-jun-min-74前言：...
GitHub项目：自然语言处理领域的相关干货整理
weixin_33705053的博客
10-16 1195
自然语言处理（NLP）是计算机科学，人工智能，语言学关注计算机和人类（自然）语言之间的相互作用的领域。本文作者为NLP初学者整理了一份庞大的自然语言处理领域的概览。选取的参考文献与资料都侧重于最新的深度学习研究成果。这些资源能为想要深入钻研一个NLP任务的人们提供一个良好的开端。 指代消解 https://github.com/Kyubyong/nlp...
关于VCTK数据集
oneself的博客
06-30 9428
VCTK数据集下载，理解以及多种变体下载路径
自然语言处理NLP之终极指南（Pytho…
数据简化DataSimp社区
02-27 4527
理解和使用自然语言处理之终极指南（Python编码）（经典收藏版12k字，附数据简化筹员2月17日Fri新闻） 秦陇纪10译编 12k字：理解和使用自然语言处理之终极指南（Python编码）7k字；附数据简化DataSimp筹收技术简历414字、2月17日Fri新闻四则4k字。欢迎加入共建“数据简化DataSimp”学会及社区，关注、收藏、转发新媒体“数据简化DataSimp、科学Scien
深度学习在NLP中的应用
再难也要坚持
08-17 1万+
1. 引言     文本分类这个在NLP领域是一个很普通而应用很广的课题，而且已经有了相当多的研究成果，比如应用很广泛的基于规则特征的SVM分类器，以及加上朴素贝叶斯方法的SVM分类器，当然还有最大熵分类器、基于条件随机场来构建依赖树的分类方法。在传统的文本分类词袋模型中，在将文本转换成文本向量的过程中，往往会造成文本向量维度过大的问题，当然也有其他的压缩了维度的一些分类方法。还有一些是基于人工
Deep Semantic Role Labeling: What Works and What’s Next翻译
nopSled
10-31 615
摘要
语义角色标注 Semantic Role Labeling（SRL） 初探（整理英文tutorial）
热门推荐
Jasmine_dream
05-26 1万+
语义角色标注 最近调研了一下语义角色标注，记录如下 将语言信息结构化，方便计算机理解句子中蕴含的语义信息。 语义角色标注 (Semantic Role Labeling, SRL) 是一种浅层的语义分析技术，标注句子中某些短语为给定谓词的论元 (语义角色) ，如施事、受事、时间和地点等。其能够对问答系统、信息抽取和机器翻译等应用产生推动作用。 语义标注的不足之处 仅仅对于特定谓词...
语义角色标注《Deep Semantic Role Labeling？What Works and What’s Next》
Answer3664的博客
11-01 783
Motivation: 在语义角色标注（SRL）的任务上，传统使用神经网络的做法是将解析树作为神经网络的输入。最近一种比较流行的做法是使用端到端的神经网络模型，直接将源句子转化为论元标签，省去生成解析树的步骤。本文采用的就是端到端的方法，将SRL任务转化为一个序列标注问题。 模型结构： 为实现SRL，从源句子到目标序列一共分为两部分： Highway LSTM+Softmax：输入为...
TOEFL iBT口语任务的建构效度：自然语言处理的洞察
该研究在探索构造效度时，利用了自然语言处理（NLP）技术，这是一种计算机科学领域的分支，专注于模拟人类如何理解和生成语言。NLP工具可以帮助分析大量的口语数据，识别并量化不同任务之间的语言特征差异。例如，它...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值