NILC：基于LLM辅助聚类的新意图发现
计算与语言
2025-11-11 v1 人工智能
摘要
新意图发现(NID)旨在从未标记的用户语料中识别出新的和已知意图，在实际对话系统中具有广泛应用。现有NID方法主要采用级联架构，其中前期阶段关注将语料编码为有信息的文本嵌入，而后期阶段则通过K-Means等方法将相似嵌入聚为簇(即意图)。然而，这种级联管线未能充分利用两阶段之间的反馈进行相互优化，同时嵌入唯一的聚类方法忽略了细微的文本语义，导致性能 suboptimal。为弥合这一差距，本文提出NILC，一个专为有效NID设计的新型聚类框架。具体而言，NILC遵循迭代工作流程，在获得LLM辅助下，对不确定语料的聚类中心和文本嵌入进行精心的细化，同时更新聚类分配。具体地，NILC首先利用LLM为聚类创建额外的语义中心，从而丰富欧几里得嵌入中心的上下文语义。此外，LLM被用于增强从聚类中识别的硬样本(模糊或简略的语料)通过改写以进行后续聚类纠正。我们通过非平凡的技术引入监督信号，通过种子点和软must链接进行更准确的NID。广泛的实验在无监督和半监督设置下对比多个近期基线，表明NILC在六个来自不同领域的基准数据集上均能实现显著的性能提升。
引用
@article{arxiv.2511.05913,
title = {NILC: Discovering New Intents with LLM-assisted Clustering},
author = {Hongtao Wang and Renchi Yang and Wenqing Lin},
journal= {arXiv preprint arXiv:2511.05913},
year = {2025}
}