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。
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
一、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。
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。
二、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。
三、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。
四、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。
五、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。
六、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。
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈