基于间隔损失的深度未知意图检测
计算与语言
2019-06-04 v1 机器学习
摘要
识别训练集中从未出现的未知（新颖）用户意图是对话系统中的一项挑战性任务。本文提出一种两阶段未知意图检测方法。我们使用带间隔损失（margin loss）的双向长短期记忆（BiLSTM）网络作为特征提取器。通过间隔损失，可迫使网络最大化类间方差并最小化类内方差，从而学习具有判别性的深度特征。随后，我们将特征向量输入基于密度的新颖性检测算法局部离群因子（LOF）以检测未知意图。在两个基准数据集上的实验表明，与基线方法相比，我们的方法能带来一致的改进。
引用
@article{arxiv.1906.00434,
title = {Deep Unknown Intent Detection with Margin Loss},
author = {Ting-En Lin and Hua Xu},
journal= {arXiv preprint arXiv:1906.00434},
year = {2019}
}
备注
To appear in ACL 2019