SOTA 在 NLP 中的变化如此之快，以至于即使是数据科学专业人士也难以应对。我有两个主要来源，我经常检查以获取有关 SOTA 的一些见解：

• Sebastian Ruder 的NLP 进展。它包含关于 NLP 的大量子字段的更新，包括 NER 和 POST。

• 带有代码的论文包含有关 NLP 的部分。一般来说，这对于 ML 来说是一个很棒的网站。

我知道这些链接并没有专门解决 Twitter 的问题，但是我不认为该域与其他域有本质上的不同。国际海事组织，当然。

关于你的另一个问题：

Spacy 和 SparkNLP 等工业级程序对此类文本是否准确？FlairNLP 和斯坦福大学的 CoreNLP 准确度测量如何？

正如我在上面所写的，这主要取决于个人喜好和/或或有项目需求。没有正确或错误的工具。就个人而言，我发现斯坦福工具是最好的，无论是预测的质量还是单个管道中可用的模型数量。但正如我所说，这是非常主观的。