解耦伪标签消歧与表示学习用于广义意图发现
计算与语言
2023-05-30 v1
摘要
广义意图发现旨在将一个闭集域内意图分类器扩展至包含域内与域外意图的开放世界意图集合。关键挑战在于伪标签消歧与表示学习。先前的方法受制于伪标签消歧与表示学习的耦合，即伪标签的可靠性依赖于表示学习，而表示学习又反过来受限于伪标签。本文提出一种解耦原型学习框架（DPL）以解耦伪标签消歧与表示学习。具体而言，我们首先引入原型对比表示学习（PCL）以获得判别性表示，随后采用基于原型的标签消歧方法（PLD）来获取伪标签。我们从理论上证明 PCL 与 PLD 以协作方式运作并促进伪标签消歧。在三个基准数据集上的实验与分析显示了我们方法的有效性。
引用
@article{arxiv.2305.17699,
title = {Decoupling Pseudo Label Disambiguation and Representation Learning for Generalized Intent Discovery},
author = {Yutao Mou and Xiaoshuai Song and Keqing He and Chen Zeng and Pei Wang and Jingang Wang and Yunsen Xian and Weiran Xu},
journal= {arXiv preprint arXiv:2305.17699},
year = {2023}
}
备注
Accepted at ACL2023 main conference