UniNL：通过统一邻域学习对齐表示学习与打分函数进行 OOD 检测
计算与语言
2022-10-20 v1
摘要
从用户查询中检测域外（OOD）意图对于避免任务型对话系统中的错误操作至关重要。关键挑战在于如何区分域内（IND）与 OOD 意图。先前的方法忽略了表示学习与打分函数之间的对齐，限制了 OOD 检测性能。本文中，我们提出一个统一邻域学习框架（UniNL）来检测 OOD 意图。具体而言，我们为表示学习设计了 K 近邻对比学习（KNCL）目标，并引入了基于 KNN 的打分函数用于 OOD 检测。我们旨在将表示学习与打分函数对齐。在两个基准数据集上的实验与分析显示了我们方法的有效性。
引用
@article{arxiv.2210.10722,
title = {UniNL: Aligning Representation Learning with Scoring Function for OOD Detection via Unified Neighborhood Learning},
author = {Yutao Mou and Pei Wang and Keqing He and Yanan Wu and Jingang Wang and Wei Wu and Weiran Xu},
journal= {arXiv preprint arXiv:2210.10722},
year = {2022}
}
备注
Accepted at EMNLP2022 main conference