| 中文词法分析 |
LAC(Lexical Analysis of Chinese) |
百度自主研发中文特色模型词法分析任务，集成了中文分词、词性标注和命名实体识别任务。输入是一个字符串，而输出是句子中的词边界和词性、实体类别。 |
- |
| 主动对话 |
DuConv |
机器根据给定知识信息主动引领对话进程完成设定的对话目标。 |
https://www.aclweb.org/anthology/P19-1369/ |
| 语义解析 |
DuSQL-Baseline |
输入自然语言问题和相应的数据库，生成与问题对应的 SQL 查询语句，通过执行该 SQL 可得到问题的答案。 |
- |
| 多轮对话 |
DAM |
开放领域多轮对话匹配的深度注意力机制模型，根据多轮对话历史和候选回复内容，排序出最合适的回复。 |
http://aclweb.org/anthology/P18-1103 |
| 阅读理解 |
DuReader |
数据集：大规模、面向真实应用、由人类生成的中文阅读理解数据集，聚焦于真实世界中的不限定领域的问答任务；基线系统：针对DuReader数据集实现的经典BiDAF模型。 |
https://www.aclweb.org/anthology/W18-2605/ |
| 关系抽取 |
ARNOR |
数据集：用于对远程监督关系提取模型进行句子级别的评价；模型：基于注意力正则化识别噪声数据，通过bootstrap方法逐步选择出高质量的标注数据。 |
https://www.aclweb.org/anthology/P19-1135/ |
| 机器翻译 |
JEMT |
模型的输入端包括文字信息及发音信息，嵌入层融合文字信息和发音信息进行翻译。 |
https://arxiv.org/abs/1810.06729 |
| 阅读理解 |
KTNET |
模型将知识库中的知识整合到预先训练好的上下文表示中，利用丰富的知识增强机器阅读理解的预训练语言表示。 |
https://www.aclweb.org/anthology/P19-1226 |
| 对话生成 |
PLATO |
基于隐空间的端到端的预训练对话生成模型，可以灵活支持多种对话，包括闲聊、知识聊天、对话问答等。 |
http://arxiv.org/abs/1910.07931 |
| 阅读理解 |
DuReader-Robust-BASELINE |
数据集：DuReader-robust，中文数据集，用于全面评价机器阅读理解模型的鲁棒性；基线系统：针对该数据集，基于ERNIE实现的阅读理解基线系统。 |
https://arxiv.org/abs/2004.11142 |
| 对话生成 |
AKGCM |
包含知识增强图、知识选择和知识感知响应生成器的聊天机器人。 |
https://www.aclweb.org/anthology/D19-1187/ |
| 机器翻译 |
MAL |
多智能体端到端联合学习框架，通过多个智能体的互相学习提升翻译质量。 |
https://arxiv.org/abs/1909.01101 |
| 对话生成 |
MMPMS |
针对开放域对话中一对多问题，利用多映射机制和后验映射选择模块进行多样性、丰富化的对话生成。 |
https://arxiv.org/abs/1906.01781 |
| 阅读理解 |
MRQA2019-BASELINE |
机器阅读理解任务的基线模型，基于ERNIE预训练模型，支持多GPU微调预测。 |
- |
| 阅读理解 |
D-NET |
预训练及微调框架，包含多任务学习及多预训练模型的融合，用于阅读理解模型的生成。 |
https://www.aclweb.org/anthology/D19-5828/ |
| 建议挖掘 |
MPM |
利用多视角架构来学习表示和双向transformer编码器进行论坛评论建议挖掘。 |
https://www.aclweb.org/anthology/S19-2216/ |
| 多文档摘要 |
ACL2020-GraphSum |
基于图表示的生成式多文档摘要模型，将显式图结构信息引入到端到端摘要生成过程中。 |
https://arxiv.org/abs/2005.10043 |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent