面向域外意图检测的软标签估计
计算与语言
2022-11-11 v1 人工智能
机器学习
摘要
域外 (OOD) 意图检测对实用的对话系统非常重要。为了缓解缺乏 OOD 训练样本的问题，一些工作提出合成伪 OOD 样本，并直接为这些伪样本分配独热 OOD 标签。然而，这些独热标签会在训练过程中引入噪声，因为一些困难的伪 OOD 样本可能与域内 (IND) 意图重合。在本文中，我们提出了一种自适应软伪标记 (ASoul) 方法，可以在训练 OOD 检测器时为伪 OOD 样本估计软标签。使用嵌入图捕获伪 OOD 样本与 IND 意图之间的语义联系。进一步引入协同训练框架，遵循平滑假设（即相近的样本可能具有相似的标签）来生成最终的软标签。在三个基准数据集上的广泛实验表明，ASoul 持续提升了 OOD 检测性能，并优于各种有竞争力的基线方法。
引用
@article{arxiv.2211.05561,
title = {Estimating Soft Labels for Out-of-Domain Intent Detection},
author = {Hao Lang and Yinhe Zheng and Jian Sun and Fei Huang and Luo Si and Yongbin Li},
journal= {arXiv preprint arXiv:2211.05561},
year = {2022}
}
备注
EMNLP2022 Main Track Long Paper (Oral presentation)