基于密度的深度聚类集成用于对话意图归纳
计算与语言
2022-01-19 v1 机器学习
摘要
现有的任务型聊天机器人严重依赖口语语言理解（SLU）系统来确定用户话语的意图及其他关键信息，以完成特定任务。在实际应用中，定期从对话日志中归纳出新对话意图以改善用户体验至关重要。本文提出基于密度的深度聚类集成（DDCE）方法用于对话意图归纳。与现有的基于 K-means 的方法相比，所提方法在处理存在大量离群点的真实场景时更为有效。为最大化数据利用，我们联合优化文本表示与聚类算法的超参数。此外，我们设计了一个离群点感知的聚类集成框架以应对过拟合问题。在七个数据集上的实验结果表明，所提方法显著优于其他最先进的基线。
引用
@article{arxiv.2201.06731,
title = {Dialog Intent Induction via Density-based Deep Clustering Ensemble},
author = {Jiashu Pu and Guandan Chen and Yongzhu Chang and Xiaoxi Mao},
journal= {arXiv preprint arXiv:2201.06731},
year = {2022}
}
备注
accepted by AAAI-22 W16: Dialog System Technology Challenge (DSTC10)