資源：自然語言處理數據集、語料庫和論文集合

機器之心報道

問答系統

MS MARCO：人工生成的機器閱讀理解數據集，來自微軟，2016。

論文：https://arxiv.org/abs/1611.09268

數據：http://www.msmarco.org/

NewsQA：Maluuba 的機器理解數據集，2016。

論文：https://arxiv.org/abs/1611.09830

數據：https://github.com/Maluuba/newsqa

SQuAD：超過 100,000 個問題和其機器理解文本的數據集，由斯坦福大學推出，2016。

論文：https://arxiv.org/abs/1606.05250

數據：https://rajpurkar.github.io/SQuAD-explorer/

GraphQuestions：一個特徵豐富的事實性問題回答數據集，來自 EMNLP 16 論文《On Generating Characteristic-rich Question Sets for QA Evaluation》，2016。

論文：http://suo.im/4u7oFE

數據：https://github.com/ysu1989/GraphQuestions

Story Cloze：一個常見故事的語料庫和有關故事的總結性語句，來自美國羅切斯特大學，2016。

論文：https://arxiv.org/abs/1604.01696

數據：http://cs.rochester.edu/nlp/rocstories/

Children"s Book Test：金髮女孩原則（當給定樣品的一些屬性可以從一個極端到另一個極端（例如從極冷至極熱）的尺度分布時，一些數據將落在這些極端之間）: 以內存顯式方式表示的兒童圖書，2015。

論文：https://arxiv.org/abs/1511.02301

數據：http://cs.rochester.edu/nlp/rocstories/

SimpleQuestions：大量使用記憶網路的簡單問答數據，2015。

論文：https://arxiv.org/pdf/1506.02075v1.pdf

數據：http://suo.im/2eiX0O。

WikiQA：一個開放問題與回答的挑戰數據集，由微軟推出，2015。

論文：http://suo.im/1bqPMh

數據：http://suo.im/3aJVyp

CNN-DailyMail：用於訓練機器進行閱讀理解任務的數據集，2015。

論文：https://arxiv.org/abs/1506.03340

代碼：https://github.com/deepmind/rc-data

數據：http://cs.nyu.edu/~kcho/DMQA/。

QuizBowl：一個神經網路，用於長段回答事實問題，來自馬里蘭大學，2014。

論文：http://suo.im/2xcBDv

數據：http://suo.im/3O37SP

MCTest：一個用於開放問題機器理解文本的數據集，來自微軟，2013。

論文：http://suo.im/VLBOk

數據：http://suo.im/gZDhk

QASent：Jeopardy 模型？一個用於機器問答的准同步語法數據集，2007。

論文：http://suo.im/3mxr3C

數據：http://suo.im/4mrv9H

對話系統

Ubuntu Dialogue Corpus：一個用於非結構化多迴路對話系統研究的大型數據集，2015。

論文：https://arxiv.org/abs/1506.08909

數據：http://suo.im/2pbKCC

面向目標的對話系統

Frames：用於向面向目標的對話系統加入記憶的語料庫，Maluuba，2016。

論文：http://suo.im/36jcl2

數據：http://datasets.maluuba.com/Frames

DSTC 2 & 3：對話狀態跟蹤挑戰（Dialog State Tracking Challenge）2 和 3，2013。

論文：http://suo.im/2PzSZc

數據：http://camdial.org/~mh521/dstc/

自然語言處理論文

• [1] Antoine Bordes, et al. 開放文本語義分析的詞和意義表徵的聯合學習（Joint Learning of Words and Meaning Representations for Open-Text Semantic Parsing.）

• [2] Mikolov, et al. 詞和短語及其組合性的分布式表徵（Distributed representations of words and phrases and their compositionality.） (word2vec)

• [3] Sutskever, et al. 運用神經網路的序列到序列學習（Sequence to sequence learning with neural networks.）

• [4] Ankit Kumar, et al. 問我一切：動態記憶網路用於自然語言處理（Ask Me Anything: Dynamic Memory Networks for Natural Language Processing.）

• [5] Yoon Kim, et al. 角色意識的神經語言模型（Character-Aware Neural Language Models.）

• [6] Jason Weston, et al. 走向人工智慧-完成問題回答：一組前提玩具任務（Towards AI-Complete Question Answering: A Set of Prerequisite Toy Tasks.） (bAbI 任務)

• [7] Karl Moritz Hermann, et al. 教機器閱讀和理解（Teaching Machines to Read and Comprehend.）(CNN/每日郵件完形風格問題)