UniSLU：来自异构跨任务数据集的统一口语语言理解

口语语言理解（SLU）在语音导向的多媒体应用中发挥着关键作用，使机器能够在会议、访谈和客户服务等情境中理解口语。SLU 包括多个任务，包括自动语音识别（ASR）、口语命名实体识别（NER）和口语情感分析（SA）。然而，现有方法常常依赖于针对单个任务（如口语 NER 和 SA）的独立模型架构，这增加了系统复杂性，限制了跨任务交互，无法充分利用跨任务中可用的异构数据集。为此，我们提出 UniSLU，一个单一架构中联合建模多个 SLU 任务的统一框架。具体而言，我们提出了一种针对 diverse SLU 任务的统一表示，实现了对多个任务中异构数据集的充分利用。基于此表示，我们提出一种统一的生成方法，联合建模 ASR、口语 NER 和 SA 任务，增强任务间交互，实现与大型语言模型的无缝集成，以发挥其强大的生成能力。在公开的 SLU 数据集上进行大量实验表明，我们的方法有效，相较于多个基准方法实现了卓越的 SLU 性能，非常适合实际的基于语音的多媒体场景。我们将在 github 上发布所有代码和模型以促进未来研究。