生成再精炼：零样本意图检测的数据增强方法
计算与语言
2024-10-16 v2
摘要
本短文提出一种用于零资源领域意图检测的数据增强方法。现有数据增强方法依赖于每个意图类别的少量标记示例，在大量可能意图的设置中可能昂贵。我们采用两阶段方法：首先，在零样本设置下使用开源大语言模型为意图标签生成语料；其次，我们开发一个较小的序列到序列模型（Refiner），以提高生成的语料。Refiner 在已见领域上微调后应用到未见领域。我们通过在生成数据上训练意图分类器，并在真实（人类）数据上进行评估来评估我们的方法。我们发现，Refiner 在未见领域以及常见基线方法之上显著提高了数据实用性和多样性。我们的结果表明，生成式大语言模型在零样本设置下的两步方法和较小的序列到序列模型可以为意图检测提供高质量数据。
引用
@article{arxiv.2410.01953,
title = {Generate then Refine: Data Augmentation for Zero-shot Intent Detection},
author = {I-Fan Lin and Faegheh Hasibi and Suzan Verberne},
journal= {arXiv preprint arXiv:2410.01953},
year = {2024}
}