网站开发分销系统,电视云网站建设,北京网页设计工资,网站建设及运营 多少钱文 | 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#xff08;Spoken Language Understanding#xff0c;SLU#xff09;作为任务型对话系统的核心组件#xff0c;目的是为了获取用户询问语句的框架语义表示#xff08;semantics frameSpoken Language UnderstandingSLU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。▲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。▲图5 survey paper links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。▲图6 已开源的SLU论文仓库四、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。▲图7 SLU用到的相关数据集五、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。▲图8 Leaderboard整理六、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。▲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。后台回复关键词【入群】加入卖萌屋NLP/IR/Rec与求职讨论群后台回复关键词【顶会】获取ACL、CIKM等各大顶会论文集
