面向少样本意图检测的动态语义匹配与聚合网络
计算与语言
2020-10-13 v2 机器学习
摘要
少样本意图检测因可用标注话语的稀缺而具挑战性。尽管近期工作表明多层次匹配在将已学知识从已见训练类迁移到新颖测试类中起重要作用，但它们依赖静态相似度度量与过度细粒度的匹配组件。这些局限抑制了面向广义少样本学习（seen 与 novel 类共存）设置的泛化能力。本文提出一种新颖的语义匹配与聚合网络，其中语义组件通过带额外动态正则化约束的多头自注意力从话语中蒸馏得出。这些语义组件捕获高层信息，从而在实例间实现更有效的匹配。我们的多视角匹配方法提供全面的匹配度量，以增强有标签与无标签实例的表示。我们还提出一种更具挑战性的评估设置，考虑在联合全类标签空间上的分类。大量实验结果证明了我们方法的有效性。我们的代码与数据已公开可用。
引用
@article{arxiv.2010.02481,
title = {Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection},
author = {Hoang Nguyen and Chenwei Zhang and Congying Xia and Philip S. Yu},
journal= {arXiv preprint arXiv:2010.02481},
year = {2020}
}
备注
10 pages, 3 figures. To appear in Findings of EMNLP 2020