会议相关工具
| 标题 | 类型 | 补充 |
|---|---|---|
| 会伴：计算机最新国际会议和期刊列表 | 会议信息查询网站 |
自然语言处理会议和期刊
| 标题 | 说明 | 补充 |
|---|---|---|
| Transactions of the Association for Computational Linguistics | 简称TACL，计算语言学协会(TACL)是美国计算机学会主办的期刊 |
论文实现目录 Paper with code
自然语言处理教程
Natural Language Processing Tutorial for Deep Learning Researchers
自然语言处理进展
NLP-progress
用于跟踪自然语言处理（NLP）进度的存储库，包括数据集和最常见的NLP任务的当前最新技术。https://nlpprogress.com/
NLP-progress 的中文翻译（翻译至20180624）自然语言处理全家福：纵览当前 NLP 中的任务、数据、模型与论文
Google seed bank
交互式机器学习示例的集合
我目前关注
Dependency parsing
Semi-Supervised Sequence Modeling with Cross-View Training
code
word2vec和ELMo等无监督表示学习算法提高了许多有监督NLP模型的准确性，主要是因为它们可以利用大量的无标记文本。然而，监督模型只在主要训练阶段从特定于任务的标记数据中学习。因此，我们提出了交叉视图训练(CVT)，这是一种半监督学习算法，它使用标记和未标记数据的混合来改进双lstm语句编码器的表示。在标注的例子中，使用了标准监督学习。在没有标记的例子中，CVT教授助动词。
Adversarial Text Classification
Cross-Target Stance Classification with Self-Attention Networks
在观点分类中，观点所基于的目标定义了任务的边界，通常训练分类器对同一目标进行预测。在这项工作中，我们探索了在不同目标之间泛化分类器的潜力，并提出了一个神经模型，可以将从源目标中学到的东西应用到目标目标。结果表明，该模型能够发现相关目标之间共享的有用信息，提高了模型的泛化能力。
论文中描述 CrossNet 这个模型的方法值得借鉴，一步一步描述很清晰。
An improved neural network model for joint POS tagging and dependency parsing
这个名字可以参考。
