考虑多轮对话上下文的域外意图检测
计算与语言
2024-02-26 v2 人工智能
机器学习
摘要
域外(OOD)意图检测对实际对话系统至关重要，通常需要考虑多轮对话上下文。然而，以往大多数OOD意图检测方法局限于单轮对话。本文引入一种上下文感知的OOD意图检测(Caro)框架，以在多轮OOD意图检测任务中建模多轮上下文。具体而言，我们遵循信息瓶颈原则从多轮对话上下文中提取鲁棒表示。为每个输入样本构建两个不同的视图，并利用多视图信息瓶颈损失去除与意图检测无关的冗余信息。此外，我们还探索在Caro中利用无标签数据。引入两阶段训练过程从这些无标签数据中挖掘OOD样本，并利用自举方法以这些OOD样本训练所得模型。综合实验表明，Caro在多轮OOD检测任务上建立了最先进的性能，与先前最佳方法相比F1-OOD分数提升了超过。
引用
@article{arxiv.2305.03237,
title = {Out-of-Domain Intent Detection Considering Multi-Turn Dialogue Contexts},
author = {Hao Lang and Yinhe Zheng and Binyuan Hui and Fei Huang and Yongbin Li},
journal= {arXiv preprint arXiv:2305.03237},
year = {2024}
}
备注
COLING2024 Long Paper