PROSLU

PROSLU数据集是由哈尔滨工业大学社会计算与信息检索研究中心和华为技术有限公司共同创建的，包含超过5000条中文语句，每条语句都配有详细的个人资料信息，如知识图谱、用户资料和上下文感知信息。数据集通过人工标注确保高质量，旨在解决在语义模糊的实际场景中，传统基于文本的口语理解模型可能无法准确识别意图和槽位的问题。该数据集的应用领域主要集中在提高对话系统在复杂环境下的理解和响应能力，特别是在用户意图不明确或语句具有多重含义的情况下。

The PROSLU dataset was co-created by the Research Center for Social Computing and Information Retrieval of Harbin Institute of Technology and Huawei Technologies Co., Ltd. It contains over 5,000 Chinese utterances, each paired with detailed personal profile information including knowledge graphs, user profiles, and context-aware information. The dataset is manually annotated to ensure high quality, and aims to address the problem that traditional text-based spoken language understanding models may fail to accurately recognize intents and slots in real-world scenarios with ambiguous semantics. Its application scenarios mainly focus on enhancing the understanding and response capabilities of dialogue systems in complex environments, especially when user intents are unclear or utterances carry multiple meanings.

搜集汇总

数据集介绍

构建方式

PROSLU数据集的构建基于大规模的人工标注，包含超过5000条中文语句及其对应的辅助信息（知识图谱、用户档案和上下文感知信息）。这些数据通过精心设计的流程生成，首先从真实系统中的错误案例中收集语义模糊的样本，然后根据这些样本设计数据生成过程。对于每条语句，随机选择意图和槽位，并填充相应的槽位值，同时提取知识图谱信息。最后，通过启发式规则生成有效的用户档案和上下文感知信息。

特点

PROSLU数据集的主要特点在于其语义模糊性，这种模糊性来源于用户语句中的歧义提及和歧义描述。数据集包含了三种类型的辅助信息：知识图谱（KG）、用户档案（UP）和上下文感知（CA），这些信息共同作用于模型的意图检测和槽位填充任务，以解决语义模糊问题。此外，数据集的设计旨在模拟真实世界中的复杂场景，确保模型在处理模糊语句时能够依赖于多源信息。

使用方法

PROSLU数据集适用于开发和评估基于多源信息的口语语言理解模型。研究者可以使用该数据集训练模型，使其不仅依赖于文本输入，还能结合知识图谱、用户档案和上下文感知信息进行意图检测和槽位填充。数据集的公开代码和数据集文件可在GitHub上获取，研究者可以通过这些资源进行实验和模型开发。此外，数据集还提供了多种基线模型和多层次知识适配器的实现，供研究者参考和比较。

背景与挑战

背景概述

在自然语言理解（SLU）领域，传统的文本基础SLU模型在处理用户话语时，往往仅依赖于文本信息来提取语义框架，如意图和槽位。然而，这种简单设置在面对语义模糊的复杂现实场景时可能失效。为了应对这一挑战，哈尔滨工业大学与华为技术有限公司的研究团队于2021年提出了基于用户画像的口语语言理解（PROSLU）任务。该任务要求模型不仅依赖于文本信息，还需结合用户画像信息（如知识图谱、用户偏好和上下文感知）来准确预测意图和槽位。PROSLU数据集包含超过5000条中文标注数据，旨在推动SLU研究向更复杂的现实场景扩展，提升模型在语义模糊情况下的表现。

当前挑战

PROSLU数据集面临的挑战主要有两方面。首先，构建过程中需处理语义模糊的用户话语，这要求模型能够有效整合多源信息以消除歧义。其次，现有文本基础的SLU模型在处理PROSLU数据时表现不佳，准确率低于50%，显示出在复杂场景下的局限性。此外，如何高效地融合知识图谱、用户画像和上下文信息，以提升模型在语义模糊情况下的表现，也是当前研究的重要课题。这些挑战不仅涉及技术层面的创新，还需在数据标注和模型设计上进行深入探索。

常用场景

经典使用场景

PROSLU数据集的经典使用场景在于解决语音理解（SLU）中的语义歧义问题。传统的SLU模型仅依赖于文本输入，而在实际应用中，用户的语音指令可能存在多义性，导致模型无法准确识别意图和槽位。PROSLU通过引入用户画像信息（如知识图谱、用户偏好和上下文感知），使模型能够在语义模糊的情况下，结合这些额外信息进行更准确的意图检测和槽位填充。

衍生相关工作

PROSLU数据集的提出激发了大量相关研究工作。例如，研究者们开始探索如何更有效地融合多源信息（如知识图谱、用户画像和上下文信息）以提升SLU模型的性能。此外，基于PROSLU的框架，研究者们还开发了多种多层次的知识适配器，以动态地整合和利用这些信息。这些衍生工作不仅丰富了SLU领域的研究内容，也为实际应用提供了更多技术支持。

数据集最近研究

最新研究方向

在语音理解（SLU）领域，传统的文本基础SLU模型在处理语义模糊的用户话语时表现不佳。为了应对这一挑战，研究者们提出了基于用户画像的语音理解（PROSLU）任务，该任务要求模型不仅依赖于文本输入，还需结合用户画像信息来准确预测意图和槽位。最新的研究方向集中在开发能够有效融合用户画像信息的多层次知识适配器，以提升模型在处理语义模糊话语时的性能。此外，研究者们还在探索如何更高效地表示知识图谱信息，以及如何改进多源信息的融合方法，以进一步提高PROSLU系统的准确性和鲁棒性。

相关研究论文

• Text is no more Enough! A Benchmark for Profile-based Spoken Language Understanding

  社会计算与信息检索研究中心 · 2022年