对话系统中意图的连续表示

意图建模已成为现代对话系统的重要组成部分。随着亚马逊Alexa、苹果Siri和谷歌Assistant等实用对话系统与虚拟助手的迅速扩展，相关关注只增不减。然而，直到最近，焦点一直放在检测固定、离散数量的已见意图上。近年来在零样本学习背景下出现了一些关于未见意图检测的工作。本文延续先前工作，提出一种新颖模型，其中意图是放置于专用意图空间中的连续点，带来若干优势。首先，连续表示使得能够探究已见意图之间的关系。其次，它允许在给定有限数据量的情况下可靠地表示任何未见意图。最后，本文将展示所提模型如何能够在无需重新训练任何已见意图的情况下增补未见意图。实验表明，该模型能以高准确率可靠地添加未见意图，同时保持对已见意图的高性能。