基于动态标签名称细化的少样本对话意图分类

对话意图分类旨在识别用户输入在对话中的 underlying 目的或意图。当前的意图分类系统面临诸多挑战，主要原因是可能的意图数量庞大且相似意图类别之间存在显著的语义重叠。本文提出一种新方法，通过 in-context learning 进行少样本对话意图分类， Incorporating 动态标签细化以解决这些挑战。我们的方法从训练集中检索与测试输入相关的示例，并利用大语言模型基于语义理解动态细化意图标签，以确保意图之间清晰可区分。实验结果表明，我们的方法有效解决了语义相似意图之间的混淆问题，在多个数据集上实现显著提升。我们还展示了该方法生成更具可解释性的意图标签，能够更好地捕捉用户意图的语义一致性。