【NLP】新分类!全总结!最新Awesome-SLU-Survey资源库开源!
作者:哈工大SCIR 覃立波、謝天寶等
指導老師:哈工大SCIR 車萬翔教授
簡介
口語語言理解(Spoken Language Understanding,SLU)作為任務型對話系統的核心組件,目的是為了獲取用戶詢問語句的框架語義表示(semantics frame)信息,進而將這些信息為對話狀態追蹤模塊(DST)以及自然語言生成模塊(NLG)所使用。
SLU任務通常包含以下兩個任務:意圖識別任務(intent detection)和槽位填充任務(slot filling),以下圖的句子“I like to watch action movie”為例,這兩個任務的輸出對應分別為WatchMovie和O、O、O、B-movie-type、I-movie-type、I-movie-type。
圖1 SLU任務舉例近年來,SLU領域獲得了巨大的突破,在經典數據集ATIS和SNIPS上的指標也做到了97%、99%以上。那么該方向的未來如何,目前進展又是如何呢?
我們最近整理了一個倉庫,包含了SLU領域最新工作的總結,還涵蓋了一些前沿方向的討論,并且也包括了一些開源資源總結,希望能對這個領域的發展有一點幫助,值得對SLU感興趣的同學了解、關注。
資源地址:https://github.com/yizhen20133868/Awesome-SLU-Survey
下面簡單介紹一下這個倉庫,總體目錄如下。
圖2 倉庫的總體目錄一、新分類,全總結
作者將目前的這個SLU倉庫的資源按照single models、joint models、pre-trained models、frontiers for SLU來進行歸納整理。
圖3 對SLU倉庫資源進行歸納整理其中對于聯合模型作者還分為了隱式和顯式建模,值得了解。
圖4 聯合模型示意圖二、目前SLU的相關資源
包括一些survey paper,來幫助大家快速了解這個領域。
圖5 survey paper links三、開源的SLU論文倉庫整理
然后還介紹了目前已經開源的SLU論文倉庫,可以幫助大家利用代碼進行學習。
圖6 已開源的SLU論文倉庫四、數據集整理及下載地址
對于SLU用到的經典數據集,我們不僅提供了數據集的描述、簡介,還有對應的下載地址,極大的方便大家找到相關的數據集。
圖7 SLU用到的相關數據集五、Leaderboard整理
對于主流數據集,我們還提供了leaderboard,方便大家跟蹤進展。
圖8 Leaderboard整理六、未來挑戰方向及相關工作整理
而且對于提到的幾個未來方向,整理了目前為止的發表的頂會工作,如跨語言SLU。
圖9 目前已發表的相關頂會工作希望這個倉庫能幫助大家快速了解SLU領域,并進行一些自己的探索,歡迎大家PR以及Star!點擊“閱讀原文”直達倉庫地址。
本期責任編輯:丁 效
本期編輯:朱文軒
『哈工大SCIR』公眾號
主編:車萬翔
副主編:張偉男,丁效
執行編輯:高建男
責任編輯:張偉男,丁效,崔一鳴,李忠陽
編輯:王若珂,鐘蔚弘,彭湃,朱文軒,馮晨,杜佳琪,牟虹霖,張馨
往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯 本站qq群851320808,加入微信群請掃碼:總結
以上是生活随笔為你收集整理的【NLP】新分类!全总结!最新Awesome-SLU-Survey资源库开源!的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 【Python】Modin,只需一行代码
- 下一篇: 微信公众号大转盘抽奖活动链接怎么添加