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（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

下面简单介绍一下这个仓库，总体目录如下。

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。

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！