基于模板的零样本意图识别方法
计算与语言
2022-06-23 v1
摘要
迁移学习技术的最新进展与大型上下文编码器的预训练推动了包括对话助手在内的实际应用创新。意图识别的实际需求要求高效的数据利用以及持续更新所支持意图、采纳新意图并弃用过时意图的能力。特别地，模型在已见意图上训练并在已见与未见意图上测试的广义零样本范式正变得日益重要。本文探讨意图识别的广义零样本设定。遵循零样本文本分类的最佳实践，我们以句子对建模方法处理该任务。仅使用意图标签与用户话语且不访问外部资源（如知识库），我们对未见意图的先前最优 f1 度量提升了至多 16%。进一步改进包括意图标签的词法化，将性能再提升至多 7%。通过从其他句子对任务（如自然语言推理）进行任务迁移，我们获得了额外提升。
引用
@article{arxiv.2206.10914,
title = {Template-based Approach to Zero-shot Intent Recognition},
author = {Dmitry Lamanov and Pavel Burnyshev and Ekaterina Artemova and Valentin Malykh and Andrey Bout and Irina Piontkovskaya},
journal= {arXiv preprint arXiv:2206.10914},
year = {2022}
}
备注
accepted to INLG 2022