Conjuntos de datos: ¿Cuáles son los principales corpus de texto utilizados por los lingüistas computacionales y los investigadores del procesamiento del lenguaje natural, y cuáles son las características / sesgos de cada corpus?

Treebanks y corpus anotados útiles para entrenar etiquetadoras POS, troceadores, analizadores, etc.

1. Banco Penn Tree (http://www.cis.upenn.edu/~treeba…)
2. WSJ Corpus (http://www.ldc.upenn.edu/Catalog…)
3. NEGRA corpus alemán (http://www.coli.uni-saarland.de/…)
4. Cuerpo de tigre (http://www.ims.uni-stuttgart.de/…)
5. alpino Treebank (http://odur.let.rug.nl/~vannoord…)
6. Bultreebank (http://www.bultreebank.org/)
7. Treebank de la Universidad de Turín (http://www.di.unito.it/~tutreeb/)
8. árbol de dependencia de Praga (http://ufal.mff.cuni.cz/pdt2.0/)

Relación semántica corpus anotado

1. propbank
2. Nombank (http://nlp.cs.nyu.edu/meyers/Nom…)
3. framenet (http://framenet.icsi.berkeley.edu/)
4. salsa (http://www.coli.uni-saarland.de/…)

Cuerpo de clasificación de texto

• ¿Hay algún lugar para ingenieros de software que no aprendan IA o Machine Learning en los próximos 10 años o todos tienen que aprenderlo?
• Cómo manejar una imagen de diferentes tamaños en una red convolucional de MatConvNet con un contenedor DagNN
• ¿Cómo obtienen las empresas datos de capacitación para implementar el aprendizaje para clasificar algoritmos, especialmente en el contexto de búsqueda?
• Para evaluar qué tan bueno es un hiperparámetro de red (por ejemplo, la tasa de deserción), ¿debo esperar a la convergencia?
• ¿Cuán sensible es el análisis de componentes independientes (ICA) a la simultaneidad de la señal de entrada?

1. Conjunto de datos de Reuters (http://www.daviddlewis.com/resou…)
2. conjuntos de datos de grupos de noticias (http://people.csail.mit.edu/jren…)

cuerpo paralelo usado en la traducción automática

1. EMILE (http://www.lancs.ac.uk/fass/proj…)