基于能量学习解耦分布外意图检测中的置信度分数分布
计算与语言
2022-10-18 v1
摘要
在任务型对话系统中，从用户查询中检测分布外（OOD）或未知意图至关重要。传统的基于 softmax 的置信度分数容易受到过度自信问题的影响。在本文中，我们提出了一种简单但强大的基于能量的分数函数来检测 OOD，其中 OOD 样本的能量分数高于 IND（分布内）样本。此外，给定一小组带标签的 OOD 样本，我们引入了一种基于能量的间隔目标用于有监督 OOD 检测，以显式区分 OOD 样本与 IND 样本。全面的实验和分析证明我们的方法有助于解耦 IND 和 OOD 数据的置信度分数分布。\footnote{我们的代码可在 \url{https://github.com/pris-nlp/EMNLP2022-energy_for_OOD/} 获取。}
引用
@article{arxiv.2210.08830,
title = {Disentangling Confidence Score Distribution for Out-of-Domain Intent Detection with Energy-Based Learning},
author = {Yanan Wu and Zhiyuan Zeng and Keqing He and Yutao Mou and Pei Wang and Yuanmeng Yan and Weiran Xu},
journal= {arXiv preprint arXiv:2210.08830},
year = {2022}
}
备注
accepted by the EMNLP2022 SereTOD workshop