对话系统中自然语言理解的域外检测
计算与语言
2022-05-25 v4 人工智能
机器学习
摘要
自然语言理解（NLU）是对话系统的关键组成部分，其检测域外（OOD）输入的能力在实际应用中至关重要，因为接受当前系统不支持的 OOD 输入可能导致灾难性失败。然而，大多数现有 OOD 检测方法严重依赖人工标注的 OOD 样本，无法充分利用无标注数据。这限制了这些模型在实际应用中的可行性。本文提出一种新颖模型，用于生成与域内（IND）输入话语相似的高质量伪 OOD 样本，从而提升 OOD 检测性能。为此，训练一个自编码器将输入话语映射为潜码，并利用生成对抗网络使 IND 与 OOD 样本的潜码不可区分。为提供更多监督信号，引入一个辅助分类器来正则化所生成的 OOD 样本，使其具有不可区分的意图标签。实验表明，本模型生成的这些伪 OOD 样本可有效用于改善 NLU 中的 OOD 检测。此外，我们还证明通过高效利用无标注数据可进一步提升这些伪 OOD 数据的有效性。
引用
@article{arxiv.1909.03862,
title = {Out-of-domain Detection for Natural Language Understanding in Dialog Systems},
author = {Yinhe Zheng and Guanyi Chen and Minlie Huang},
journal= {arXiv preprint arXiv:1909.03862},
year = {2022}
}
备注
Accepted by TASLP, Code available at https://github.com/silverriver/OOD4NLU