基于关系感知提示学习的少样本查询意图检测
计算与语言
2025-09-09 v1 信息检索
摘要
意图检测是现代对话系统的关键组成部分，因为准确识别用户在对话开始时的意图对于生成有效响应至关重要。近期研究主要聚焦于在具有挑战性的少样本场景下解决此问题。这些方法主要通过各种预文本任务在大规模无标签对话文本语料上对语言模型进行预训练，然后利用极少的标注数据进行微调以完成意图检测。尽管取得了显著进展，现有方法主要专注于文本数据，未能有效捕捉对话系统中固有的关键结构信息，如查询-查询关系和查询-答案关系。为此，我们提出了SAID框架，这是一个首次将文本与关系结构信息统一集成于模型预训练中的新型框架。基于此框架，我们进一步提出了查询自适应注意力网络(QueryAdapt)机制，该机制在关系token级别上工作，通过从已学习的查询-查询和查询-答案关系中显式生成意图特定的关系token，从而实现更细粒度的知识传递。大量实验结果表明，SAID在两个真实世界数据集上均显著优于当前最先进的方法。
引用
@article{arxiv.2509.05635,
title = {Few-Shot Query Intent Detection via Relation-Aware Prompt Learning},
author = {Liang Zhang and Yuan Li and Shijie Zhang and Zheng Zhang and Xitong Li},
journal= {arXiv preprint arXiv:2509.05635},
year = {2025}
}