論文の概要: A Post-processing Method for Detecting Unknown Intent of Dialogue System
via Pre-trained Deep Neural Network Classifier
- arxiv url: http://arxiv.org/abs/2003.03504v1
- Date: Sat, 7 Mar 2020 03:29:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 19:02:45.653569
- Title: A Post-processing Method for Detecting Unknown Intent of Dialogue System
via Pre-trained Deep Neural Network Classifier
- Title（参考訳）: 事前学習型ディープニューラルネットワーク分類器による未知の対話システム検出のための後処理法
- Authors: Ting-En Lin, Hua Xu
- Abstract要約: 対話システムにおける未知の意図を検出するために,SofterMaxとDeep novelty Detection (SMDN)を提案する。
我々の手法は、モデルアーキテクチャを変更することなく、ディープニューラルネットワークで訓練された任意の分類器の上に柔軟に適用することができる。
本手法は,既知の意図と異なる事例を未知とし,その事例や事前の知識を必要としない事例を分類する。
- 参考スコア（独自算出の注目度）: 23.25650237235107
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the maturity and popularity of dialogue systems, detecting user's
unknown intent in dialogue systems has become an important task. It is also one
of the most challenging tasks since we can hardly get examples, prior knowledge
or the exact numbers of unknown intents. In this paper, we propose SofterMax
and deep novelty detection (SMDN), a simple yet effective post-processing
method for detecting unknown intent in dialogue systems based on pre-trained
deep neural network classifiers. Our method can be flexibly applied on top of
any classifiers trained in deep neural networks without changing the model
architecture. We calibrate the confidence of the softmax outputs to compute the
calibrated confidence score (i.e., SofterMax) and use it to calculate the
decision boundary for unknown intent detection. Furthermore, we feed the
feature representations learned by the deep neural networks into traditional
novelty detection algorithm to detect unknown intents from different
perspectives. Finally, we combine the methods above to perform the joint
prediction. Our method classifies examples that differ from known intents as
unknown and does not require any examples or prior knowledge of it. We have
conducted extensive experiments on three benchmark dialogue datasets. The
results show that our method can yield significant improvements compared with
the state-of-the-art baselines
- Abstract（参考訳）: 対話システムの成熟と普及に伴い、対話システムにおけるユーザの未知の意図を検出することが重要課題となっている。
例や事前知識、未知の意図の正確な数を得ることがほとんどないので、これは最も難しいタスクの1つです。
本稿では,事前学習されたディープニューラルネットワーク分類器に基づく対話システムにおける未知の意図を検出する簡易かつ効果的な後処理手法であるsoftermax and deep novelty detection (smdn)を提案する。
本手法は,モデルアーキテクチャを変更することなく,ディープニューラルネットワークで訓練された任意の分類器上で柔軟に適用することができる。
我々は、ソフトマックス出力の信頼性を校正し、校正された信頼度スコア(SofterMax)を計算し、未知の意図検出のための決定境界を計算する。
さらに、ディープニューラルネットワークが学習した特徴表現を従来のノベルティ検出アルゴリズムにフィードし、異なる視点から未知の意図を検出する。
最後に、上記の手法を組み合わせて共同予測を行う。
本手法は既知の意図と異なる例を未知として分類し,その例や事前知識を必要としない。
我々は3つのベンチマーク対話データセットについて広範な実験を行った。
その結果,本手法は最先端のベースラインと比較して大幅に改善できることがわかった。
関連論文リスト
- Deception Detection from Linguistic and Physiological Data Streams Using Bimodal Convolutional Neural Networks [19.639533220155965]
本稿では,畳み込み型ニューラルネットワークのマルチモーダルな騙し検出への応用について検討する。
2つのトピックについて104人の被験者にインタビューして構築したデータセットを使用します。
論文 参考訳（メタデータ） (2023-11-18T02:44:33Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Neural Maximum A Posteriori Estimation on Unpaired Data for Motion
Deblurring [87.97330195531029]
本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。
提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
論文 参考訳（メタデータ） (2022-04-26T08:09:47Z) - A Unified Benchmark for the Unknown Detection Capability of Deep Neural
Networks [2.578242050187029]
本稿では,従来の個別タスクの統合である未知検出タスクを紹介する。
我々は、Deep Ensembleが未知の発見において、他のアプローチよりも一貫して優れていることを発見した。
論文 参考訳（メタデータ） (2021-12-01T08:07:01Z) - Collective Decision of One-vs-Rest Networks for Open Set Recognition [0.0]
厳密で洗練された決定境界を設定することでOSRの性能を最大化できるという直感に基づく,シンプルなオープンセット認識(OSR)手法を提案する。
提案手法は, オーバージェネリゼーションを効果的に低減し, 最先端の手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-03-18T13:06:46Z) - Discriminative Nearest Neighbor Few-Shot Intent Detection by
Transferring Natural Language Inference [150.07326223077405]
データ不足を緩和するためには、ほとんどショットラーニングが注目を集めている。
深部自己注意を伴う識別的近傍分類を提示する。
自然言語推論モデル(NLI)を変換することで識別能力を高めることを提案する。
論文 参考訳（メタデータ） (2020-10-25T00:39:32Z) - ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。
本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
論文 参考訳（メタデータ） (2020-06-28T23:09:27Z) - Few-Shot Open-Set Recognition using Meta-Learning [72.15940446408824]
オープンセット認識の問題点を考察する。
新しいoPen sEt mEta LEaRning (PEELER)アルゴリズムが導入された。
論文 参考訳（メタデータ） (2020-05-27T23:49:26Z) - AutoSpeech: Neural Architecture Search for Speaker Recognition [108.69505815793028]
本稿では,AutoSpeech という名称の話者認識タスクに対して,最初のニューラルアーキテクチャ探索アプローチを提案する。
提案アルゴリズムはまず,ニューラルネットワークの最適操作の組み合わせを特定し,その後,複数回重ねてCNNモデルを導出する。
得られたCNNアーキテクチャは,モデル複雑性を低減しつつ,VGG-M,ResNet-18,ResNet-34のバックボーンに基づく現在の話者認識システムよりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-05-07T02:53:47Z) - Conditional Gaussian Distribution Learning for Open Set Recognition [10.90687687505665]
オープンセット認識のための条件付きガウス分布学習(CGDL)を提案する。
未知のサンプルを検出することに加えて、異なる潜伏特徴を異なるガウスモデルに近似させることにより、既知のサンプルを分類することもできる。
いくつかの標準画像に対する実験により,提案手法はベースライン法を著しく上回り,新たな最先端結果が得られることが明らかになった。
論文 参考訳（メタデータ） (2020-03-19T14:32:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。