Der Dialogzustandverfolgung ist der zentrale Bestandteil eines gesprochenen Dialogsystems. Sie schätzt die Wahrscheinlichkeiten möglicher Benutzerziele bei jedem Dialogdurchlauf. Für die meisten aktuellen Ansätze ist es jedoch schwierig, auf große Dialogbereiche zu skalieren. Diese Ansätze haben eine oder mehrere der folgenden Einschränkungen: (a) Einige Modelle funktionieren nicht in Situationen, in denen die Slotwerte in der Ontologie dynamisch verändern; (b) Die Anzahl der Modellparameter ist proportional zur Anzahl der Slots; (c) Einige Modelle extrahieren Merkmale basierend auf manuell erstellten Lexika. Um diese Herausforderungen zu bewältigen, schlagen wir StateNet vor, einen universellen Dialogzustandverfolger. StateNet ist unabhängig von der Anzahl der Werte, teilt Parameter über alle Slots hinweg und verwendet vortrainierte Wortvektoren anstelle expliziter semantischer Wörterbücher. Unsere Experimente mit zwei Datensätzen zeigen, dass unser Ansatz nicht nur die Einschränkungen überwindet, sondern auch die Leistung der neuesten Ansätze erheblich übertreffen kann.