图灵汇官网

问答系统

MS MARCO

MS MARCO 是一个由微软发布的、包含人工生成的机器阅读理解数据集，发布于2016年。该数据集包含大量问题及其对应的答案，可用于评估和训练机器阅读理解模型。

• 论文链接：https://arxiv.org/abs/1611.09268
• 数据集链接：http://www.msmarco.org/

NewsQA

NewsQA 是 Maluuba 发布的一个机器理解数据集，发布于2016年。该数据集包含新闻文章中的问题及其答案，可用于训练和测试机器阅读理解系统。

• 论文链接：https://arxiv.org/abs/1611.09830
• 数据集链接：https://github.com/Maluuba/newsqa

SQuAD

SQuAD 是斯坦福大学发布的一个包含超过100,000个问题及其对应答案的数据集，发布于2016年。该数据集主要用于评估机器阅读理解系统的性能。

• 论文链接：https://arxiv.org/abs/1606.05250
• 数据集链接：https://rajpurkar.github.io/SQuAD-explorer/

GraphQuestions

GraphQuestions 是一个包含丰富特征的事实性问题回答数据集，发布于2016年。该数据集用于评估机器阅读理解和回答复杂问题的能力。

• 论文链接：http://suo.im/4u7oFE
• 数据集链接：https://github.com/ysu1989/GraphQuestions

Story Cloze

Story Cloze 是一个包含常见故事语料库和相关总结性语句的数据集，发布于2016年。该数据集用于评估机器理解和生成连贯故事的能力。

• 论文链接：https://arxiv.org/abs/1604.01696
• 数据集链接：http://cs.rochester.edu/nlp/rocstories/

Children's Book Test

Children's Book Test 是一个包含儿童图书中的简单句子的数据集，发布于2015年。该数据集用于评估机器阅读理解和生成符合逻辑的故事的能力。

• 论文链接：https://arxiv.org/abs/1511.02301
• 数据集链接：http://cs.rochester.edu/nlp/rocstories/

SimpleQuestions

SimpleQuestions 是一个包含大量简单问题的数据集，发布于2015年。该数据集主要用于评估机器阅读理解和回答简单问题的能力。

• 论文链接：https://arxiv.org/pdf/1506.02075v1.pdf
• 数据集链接：http://suo.im/2eiX0O

WikiQA

WikiQA 是一个包含开放问题和答案的数据集，发布于2015年。该数据集用于评估机器阅读理解和回答复杂问题的能力。

• 论文链接：http://suo.im/1bqPMh
• 数据集链接：http://suo.im/3aJVyp

CNN-DailyMail

CNN-DailyMail 数据集包含大量新闻文章，发布于2015年。该数据集用于训练机器进行阅读理解和摘要生成的任务。

• 论文链接：https://arxiv.org/abs/1506.03340
• 代码链接：https://github.com/deepmind/rc-data
• 数据集链接：http://cs.nyu.edu/~kcho/DMQA/

QuizBowl

QuizBowl 是一个包含大量事实性问题的数据集，发布于2014年。该数据集用于评估机器回答长段事实问题的能力。

• 论文链接：http://suo.im/2xcBDv
• 数据集链接：http://suo.im/3O37SP

MCTest

MCTest 是一个包含开放问题的数据集，发布于2013年。该数据集用于评估机器阅读理解和回答复杂问题的能力。

• 论文链接：http://suo.im/VLBOk
• 数据集链接：http://suo.im/gZDhk

QASent

QASent 是一个包含 Jeopardy 模型的数据集，发布于2007年。该数据集用于评估机器阅读理解和回答复杂问题的能力。

• 论文链接：http://suo.im/3mxr3C
• 数据集链接：http://suo.im/4mrv9H

对话系统

Ubuntu Dialogue Corpus

Ubuntu Dialogue Corpus 是一个包含大量非结构化多轮对话的数据集，发布于2015年。该数据集用于评估和训练对话系统。

• 论文链接：https://arxiv.org/abs/1506.08909
• 数据集链接：http://suo.im/2pbKCC

面向目标的对话系统

Frames

Frames 是一个包含大量对话记录的数据集，发布于2016年。该数据集用于评估和训练面向目标的对话系统。

• 论文链接：http://suo.im/36jcl2
• 数据集链接：http://datasets.maluuba.com/Frames

DSTC 2 & 3

DSTC 2 & 3 是对话状态跟踪挑战赛的数据集，发布于2013年。该数据集用于评估和训练对话状态跟踪系统。

• 论文链接：http://suo.im/2PzSZc
• 数据集链接：http://camdial.org/~mh521/dstc/

自然语言处理论文

关键论文

• Antoine Bordes 等人：联合学习词和意义表征用于开放文本语义解析。
• Tomas Mikolov 等人：词和短语及其组合性的分布式表征（word2vec）。
• Ilya Sutskever 等人：利用神经网络进行序列到序列的学习。
• Ankit Kumar 等人：动态记忆网络用于自然语言处理。
• Yoon Kim 等人：角色意识的神经语言模型。
• Jason Weston 等人：走向人工智能-完成问题回答：一组前提玩具任务（bAbI 任务）。
• Karl Moritz Hermann 等人：教机器阅读和理解。