DROID：面向超出范围意图检测的双重表示
计算与语言
2025-10-17 v1
摘要
检测任务导向对话系统中超出范围(OOS)用户语料仍是关键挑战，更广泛地用于开放集意图识别。现有方法常依赖强分布性假设或辅助校准模块。我们提出DROID(面向超出范围意图检测的双重表示)，一个紧凑的端到端框架，组合两个互补编码器——用于广泛语义泛化的通用句子编码器(USE)和用于领域特定语境区分的基于Transformer的去噪自编码器(TSDAE)。其融合表示被处理为轻量级分支分类器，采用单个校准阈值将域内和OOS意图分离，而无需后验计分。在受限监督条件下增强边界学习方面，DROID整合了合成数据和开放领域异常数据增强。尽管仅使用1.5M可训练参数，DROID在多个意图基准测试中持续优于最新SOTA基线，实现已知意图的宏平均F1提升6--15%，OOS意图提升8--20%，在低资源设置中取得最显著的 gains。这些结果表明，双编码表示与简单校准可为神经网络对话系统提供稳健、可扩展且可靠的OOS检测。
引用
@article{arxiv.2510.14110,
title = {DROID: Dual Representation for Out-of-Scope Intent Detection},
author = {Wael Rashwan and Hossam M. Zawbaa and Sourav Dutta and Haytham Assem},
journal= {arXiv preprint arXiv:2510.14110},
year = {2025}
}
备注
14 pages, 6 figures, 4 Tables. Preprint submitted to IEEE Transactions on Neural Networks and Learning Systems (TNNLS)