DDAIR：意图识别的消歧数据增强
计算与语言
2026-01-19 v1 机器学习
摘要
大型语言模型（LLM）在意图检测等分类任务中有效进行数据增强。在某些情况下，它们会产生与非目标类模糊相关的示例。我们提出DDAIR（Disambiguated Data Augmentation for Intent Recognition），以缓解此问题。我们使用Sentence Transformers 来检测意图识别中LLM生成的消歧类引导增强示例。我们识别出语义上更类似于另一个意图而非其目标意图的合成示例。我们还提供一种迭代重新生成方法以消除此类模糊性。我们的发现表明，句子嵌入有效地帮助（重新）生成更不消歧的示例，表明在意图被宽泛或松散定义的场景中提高分类性能具有潜力。
引用
@article{arxiv.2601.11234,
title = {How DDAIR you? Disambiguated Data Augmentation for Intent Recognition},
author = {Galo Castillo-López and Alexis Lombard and Nasredine Semmar and Gaël de Chalendar},
journal= {arXiv preprint arXiv:2601.11234},
year = {2026}
}
备注
Accepted for publication at EACL 2026