基于胶囊神经网络的零样本用户意图检测
计算与语言
2018-09-05 v1 人工智能
摘要
用户意图检测在问答与对话系统中起着关键作用。以往多数工作将意图检测视为分类问题，其中话语被标注为预定义意图。然而，由于意图表达多样且新意图会不断出现，标注用户话语是劳动密集且耗时的。为此，我们研究零样本意图检测问题，旨在检测当前无可用标注话语的新兴用户意图。我们提出两种基于胶囊的架构：INTENT-CAPSNET，从话语中提取语义特征并聚合以区分已有意图；以及 INTENTCAPSNET-ZSL，通过从已有意图到新兴意图的知识迁移赋予 INTENTCAPSNET 区分新兴意图的零样本学习能力。在两个真实数据集上的实验表明，我们的模型不仅能更好区分表达多样的已有意图，也能在无标注话语时识别新兴意图。
引用
@article{arxiv.1809.00385,
title = {Zero-shot User Intent Detection via Capsule Neural Networks},
author = {Congying Xia and Chenwei Zhang and Xiaohui Yan and Yi Chang and Philip S. Yu},
journal= {arXiv preprint arXiv:1809.00385},
year = {2018}
}
备注
In EMNLP 2018 as a long paper. Previously available on http://doi.org/10.13140/RG.2.2.11739.46889