用于少样本意图生成的伪孪生网络
计算与语言
2021-05-04 v1
摘要
少样本意图检测因标注稀缺问题而具有挑战性。本文提出一种伪孪生网络（PSN）为少样本意图生成标注数据以缓解该问题。PSN 由两个结构相同但权重不同的相同子网络组成：动作网络与对象网络。每个子网络均为基于 transformer 的变分自编码器，试图对句子中不同组件的潜在分布建模。动作网络学习理解动作词，对象网络聚焦于与对象相关的表达。它提供了一个可解释的框架，用于生成包含给定意图中动作与对象的话语。在两个真实数据集上的实验表明，PSN 在广义少样本意图检测任务上取得了最先进的性能。
引用
@article{arxiv.2105.00896,
title = {Pseudo Siamese Network for Few-shot Intent Generation},
author = {Congying Xia and Caiming Xiong and Philip Yu},
journal= {arXiv preprint arXiv:2105.00896},
year = {2021}
}
备注
5 pages, accepted to SIGIR2021