KULCQ：一种无监督基于关键词的语句级聚类质量度量
计算与语言
2024-11-18 v1 机器学习
摘要
意图发现对于构建新对话代理和改进现有代理都至关重要。虽然已提出多种意图发现方法，但大多依赖聚类将相似语句分组。这些语句聚类的传统评估需要每个语句的意图标签，限制了可扩展性。尽管存在一些不需要标签数据的聚类质量度量，但它们仅关注聚类几何结构，而忽略了对话记录中的语言细微差别。本文提出基于关键词的语句级聚类质量（KULCQ），一种利用关键词分析评估聚类质量的无监督度量。我们通过与现有无监督聚类度量对比展示 KULCQ 的有效性，并通过全面的消融研究验证其性能。结果表明，KULCQ 在保持与几何聚类原则一致性的同时，能更好地捕捉对话数据中的语义关系。
引用
@article{arxiv.2411.09853,
title = {KULCQ: An Unsupervised Keyword-based Utterance Level Clustering Quality Metric},
author = {Pranav Guruprasad and Negar Mokhberian and Nikhil Varghese and Chandra Khatri and Amol Kelkar},
journal= {arXiv preprint arXiv:2411.09853},
year = {2024}
}