基于深度多视图聚类的对话意图归纳
计算与语言
2020-09-17 v2
摘要
我们引入了对话意图归纳任务，并提出了一种新颖的深度多视图聚类方法来解决该问题。对话意图归纳旨在从人-人对话（如客户支持代理与客户之间的对话）中的用户查询语句中发现用户意图。受“对话意图不仅表达在用户查询语句中，也体现在对话其余部分”这一直觉的启发，我们将一段对话拆分为两个独立视图，并利用多视图聚类技术来归纳对话意图。具体而言，我们提出交替视图 k-means（AV-KMEANS）用于联合多视图表示学习与聚类分析。其核心创新在于，实例视图表示通过预测从另一视图获得的簇分配来迭代更新，从而使实例的多视图表示导向相似的簇分配。在两个公开数据集上的实验表明，AV-KMEANS 比最先进的（SOTA）无监督表示学习方法和标准多视图聚类方法能归纳出更好的对话意图簇。
引用
@article{arxiv.1908.11487,
title = {Dialog Intent Induction with Deep Multi-View Clustering},
author = {Hugh Perkins and Yi Yang},
journal= {arXiv preprint arXiv:1908.11487},
year = {2020}
}
备注
Original version appeared in EMNLP 2020. We have added an appendix which includes experiments on a slightly larger AskUbuntu dataset, and incorporating several post-publication code bug-fixes