【研究】paperswithcode——一个查找计算机相关领域论文及对应源码的好助手

背景

最近一段时间看了不少与文本匹配相关的论文，主要是从这个网站：https://paperswithcode.com/。对于一些老司机来说，这个可谓是科研必备的一个网站，而对于新手来说则不一定了解。我用这个网站最多就是查找自然语言相关领域最新的sota论文，以及一些认为解决的以往论文。看完论文后，如果有源码的话，就阅读一下源码，学习一下。

下面我们来看一下这个神奇的网站。

sota

sota即State-of-the-Art的缩写，即当前最先进的方法。在sota页面中，我们可以看到有很多领域，如：

computer vision
Natural Language Processing
Medical
Methodology
Miscellaneous
Time Series
Graph
Speech

等等。

我们看看自然语言处理(Natural Language Processing, NLP)，其中就包含了557个task，刚就读研究生的同学，如果不知道自己要做啥，可以在这里了解一下一些研究方向。

在NLP领域，上面显示有1421个benchmarks,478个task（刚才显示557个task，这就不知道为啥了），其中14521篇论文是有对应代码的。想想如果自己写一篇论文，与一些算法进行对比时，这样很大可能就不需要自己实现对应的算法了，剩下了大笔玩耍的时间了。

从上面也可以看到一些NLP子领域，如：

Language Modelling
Question Answering
Text Classification

等等。每个子领域中还包含很多子task，我们看一下Text Calssification。

其中多标签文本分类(Multi-Label Text Classification)也是其中的一个子任务。我们继续深入地看看这个子任务下有什么东东，

当然，映入眼帘的是任务的相关介绍。然后时Benchmarks，相关的benchmarks有对应的数据集，最优模型，对应的paper，代码等等。对于做研究的人来说，标记的数据是一大头痛的事，这不数据都给你了。具体的内容可以自己去查看，了解。

查找数据集

有时候，我们以及在做一项task了，想看看模型在公开的数据集效果如何，我们可以在：https://paperswithcode.com/datasets查阅。当前一共有6138个数据集，应该有你需要任务的数据集。

这些数据可以通过语言过滤，任务过滤等获取指定的数据。

查看某个模型任务及代码

以之前做的文本匹配来说（NLI），对应地址如下：https://paperswithcode.com/task/natural-language-inference。当然现在Bert大行其道，排在前面的基本上都是基于Bert来做的。看看SNLI benchmarks的排名：

可以看到之前介绍的ESIM、RE2等。然后可以看到RE2论文及实现代码，如下：

查询一些task解决的方法

这个可以在如下链接中查看：https://paperswithcode.com/methods：

例如NLP有：

一些主流的语言模型，transformer的使用等等，都可以去了解。

总结

无论是学生，还是追逐前沿的工程师都是很好的查阅工具。相信用好这个网站能为论文、源码查找剩下很多时间。当然也能够了解相关的前沿等等。