基于常识知识的广义零样本意图检测
计算与语言
2021-02-08 v1 人工智能
摘要
从自然语言话语中识别用户意图是对话系统中的关键步骤，作为有监督分类问题已被广泛研究。然而在实践中，部署意图检测模型后会出现新的意图。因此，这些模型应无缝适应并对具有已见和未见意图的话语进行分类——未见意图在部署后出现且无可用的训练数据。现有少数针对该设定的模型严重依赖稀缺的训练数据，并对已见意图数据过拟合，导致将具有未见意图的话语误分类为已见意图的偏差。我们提出 RIDE：一种以无监督方式利用常识知识来克服训练数据稀缺问题的意图检测模型。RIDE 计算鲁棒且可泛化的关系元特征，捕捉话语与意图标签之间的深层语义关系；这些特征通过考量话语中的概念如何经由常识知识链接到意图标签中的概念来求得。我们在三个广泛使用的意图检测基准上的大量实验分析表明，关系元特征显著提升了已见与未见意图的检测准确率，且 RIDE 在未见意图上优于最先进的模型。
引用
@article{arxiv.2102.02925,
title = {Generalized Zero-shot Intent Detection via Commonsense Knowledge},
author = {A. B. Siddique and Fuad Jamour and Luxun Xu and Vagelis Hristidis},
journal= {arXiv preprint arXiv:2102.02925},
year = {2021}
}