基于指针网络的多标签多意图抽取与检测方法
计算与语言
2024-10-31 v1 信息检索
摘要
在任务导向对话系统中，意图检测对于解释用户查询并提供恰当的响应至关重要。现有研究 primarily 关注解决单意图查询，缺乏有效的系统来处理包含多个意图且提取不同意图片段的复杂查询。此外，缺乏多语言、多意图数据集。本研究解决三个关键任务：从查询中提取多个意图片段、检测多个意图、开发多语言多标签意图数据集。我们引入了一个新颖的多标签多类意图检测数据集（MLMCID-dataset），从现有基准数据集中筛选而来。我们还提出了一种基于指针网络的架构（MLMCID），用于以六元组形式提取意图片段并检测带有粗粒度和细粒度标签的多个意图。综合分析表明，我们的指针网络系统在各种数据集上在准确率和F1分数方面优于基线方法。
引用
@article{arxiv.2410.22476,
title = {A Pointer Network-based Approach for Joint Extraction and Detection of Multi-Label Multi-Class Intents},
author = {Ankan Mullick and Sombit Bose and Abhilash Nandy and Gajula Sai Chaitanya and Pawan Goyal},
journal= {arXiv preprint arXiv:2410.22476},
year = {2024}
}
备注
Accepted at EMNLP 2024 Findings (Long Paper)