面向无域内标签的文本分布外检测
计算与语言
2022-03-23 v1 人工智能
机器学习
摘要
在许多真实世界场景中，机器学习模型需要识别分布外（OOD）的用户输入，以避免执行错误的动作。本工作关注 OOD 检测的一个具有挑战性的情形，即无法获取域内数据的标签（例如，意图分类任务没有意图标签）。为此，我们首先评估了基于不同语言模型、对词符序列预测似然的方法。此外，我们提出了一种新颖的基于表示学习的方法，通过结合无监督聚类与对比学习，从而可以学习到更适用于 OOD 检测的更好数据表示。通过大量实验，我们证明了该方法能显著优于基于似然的方法，并且甚至可以与具有标签信息的最先进（SOTA）监督方法相竞争。
引用
@article{arxiv.2203.11396,
title = {Towards Textual Out-of-Domain Detection without In-Domain Labels},
author = {Di Jin and Shuyang Gao and Seokhwan Kim and Yang Liu and Dilek Hakkani-Tur},
journal= {arXiv preprint arXiv:2203.11396},
year = {2022}
}
备注
Accepted by IEEE/ACM Transactions on Audio Speech and Language