口语语言理解（SLU）最新资源库：综述、数据集、开源论文

作者｜哈工大SCIR 覃立波、谢天宝等

 指导老师｜哈工大SCIR 车万翔教授

简介

口语语言理解（Spoken Language Understanding，SLU）作为任务型对话系统的核心组件，目的是为了获取用户询问语句的框架语义表示（semantics frame）信息，进而将这些信息为对话状态追踪模块（DST）以及自然语言生成模块（NLG）所使用。

SLU任务通常包含以下两个任务：意图识别任务（intent detection）和槽位填充任务（slot filling），以下图的句子“I like to watch action movie”为例，这两个任务的输出对应分别为WatchMovie和O、O、O、B-movie-type、I-movie-type、I-movie-type。

图1 SLU任务举例

近年来，SLU领域获得了巨大的突破，在经典数据集ATIS和SNIPS上的指标也做到了97%、99%以上。那么该方向的未来如何，目前进展又是如何呢？

我们最近整理了一个仓库，包含了SLU领域最新工作的总结，还涵盖了一些前沿方向的讨论，并且也包括了一些开源资源总结，希望能对这个领域的发展有一点帮助，值得对SLU感兴趣的同学了解、关注。

资源地址：

https://github.com/yizhen20133868/Awesome-SLU-Survey

下面简单介绍一下这个仓库，总体目录如下。

图2 仓库的总体目录

新分类，全总结

作者将目前的这个SLU仓库的资源按照single models、joint models、pre-trained models、frontiers for SLU来进行归纳整理。

图3 对SLU仓库资源进行归纳整理

其中对于联合模型作者还分为了隐式和显式建模，值得了解。

图4 联合模型示意图

目前SLU的相关资源

包括一些survey paper，来帮助大家快速了解这个领域。

图5 survey paper links

开源的SLU论文仓库整理

然后还介绍了目前已经开源的SLU论文仓库，可以帮助大家利用代码进行学习。

图6 已开源的SLU论文仓库

数据集整理及下载地址

对于SLU用到的经典数据集，我们不仅提供了数据集的描述、简介，还有对应的下载地址，极大的方便大家找到相关的数据集。

图7 SLU用到的相关数据集

Leaderboard整理

对于主流数据集，我们还提供了leaderboard，方便大家跟踪进展。

图8 Leaderboard整理

未来挑战方向及相关工作整理

而且对于提到的几个未来方向，整理了目前为止的发表的顶会工作，如跨语言SLU。

图9 目前已发表的相关顶会工作

希望这个仓库能帮助大家快速了解SLU领域，并进行一些自己的探索，欢迎大家PR以及Star！点击“阅读原文”直达仓库地址。

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。