基于自适应粒度球决策边界的多粒度开放意图分类
计算与语言
2024-12-19 v1
摘要
开放意图分类对于对话系统的发展至关重要，旨在将已知意图准确分类到对应类别，同时识别未知意图。先前的基于边界的方法假设已知意图适合紧凑的球形区域，侧重于粗粒度表示和精确的球形决策边界。然而，这些假设在实际场景中经常被违反，使得使用单一球形边界难以区分已知意图类和未知意图。为解决这些问题，我们提出一种基于自适应粒度球决策边界的多粒度开放意图分类方法（MOGB）。我们的MOGB方法包含两个模块：表示学习和决策边界获取。为有效表示意图分布，我们设计了一种层次表示学习方法。该方法通过迭代交替进行自适应粒度球聚类和最近子质心分类，以捕获已知意图类内的细粒度语义结构。此外，通过使用具有不同质心和半径的粒度球，为开放意图分类构建多粒度决策边界。在三个公开数据集上进行的大量实验证明了我们提出方法的有效性。
引用
@article{arxiv.2412.13542,
title = {Multi-Granularity Open Intent Classification via Adaptive Granular-Ball Decision Boundary},
author = {Yanhua Li and Xiaocao Ouyang and Chaofan Pan and Jie Zhang and Sen Zhao and Shuyin Xia and Xin Yang and Guoyin Wang and Tianrui Li},
journal= {arXiv preprint arXiv:2412.13542},
year = {2024}
}
备注
This paper has been Accepted on AAAI2025