論文の概要: Hierarchical Modeling for Out-of-Scope Domain and Intent Classification

• arxiv url: http://arxiv.org/abs/2104.14781v1
• Date: Fri, 30 Apr 2021 06:38:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 13:45:18.957142
• Title: Hierarchical Modeling for Out-of-Scope Domain and Intent Classification
• Title（参考訳）: スコープ外領域の階層モデルと意図分類
• Authors: Pengfei Liu, Kun Li and Helen Meng
• Abstract要約: 本稿では,対話システムにおけるスコープ外意図分類に焦点をあてる。 ドメインとインテントを同時に分類する共同モデルに基づく階層型マルチタスク学習手法を提案する。 実験により、モデルが既存の手法よりも精度、スコープ外リコール、F1で優れていることが示された。
• 参考スコア（独自算出の注目度）: 55.23920796595698
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: User queries for a real-world dialog system may sometimes fall outside the scope of the system's capabilities, but appropriate system responses will enable smooth processing throughout the human-computer interaction. This paper is concerned with the user's intent, and focuses on out-of-scope intent classification in dialog systems. Although user intents are highly correlated with the application domain, few studies have exploited such correlations for intent classification. Rather than developing a two-stage approach that first classifies the domain and then the intent, we propose a hierarchical multi-task learning approach based on a joint model to classify domain and intent simultaneously. Novelties in the proposed approach include: (1) sharing supervised out-of-scope signals in joint modeling of domain and intent classification to replace a two-stage pipeline; and (2) introducing a hierarchical model that learns the intent and domain representations in the higher and lower layers respectively. Experiments show that the model outperforms existing methods in terms of accuracy, out-of-scope recall and F1. Additionally, threshold-based post-processing further improves performance by balancing precision and recall in intent classification.
• Abstract（参考訳）: 現実世界のダイアログシステムのユーザクエリは、システム機能の範囲外になることがあるが、適切なシステム応答は、ヒューマンコンピュータ間のインタラクションを通じてスムーズな処理を可能にする。 本稿では,ユーザの意図に配慮し,対話システムにおけるスコープ外意図分類に着目した。 ユーザ意図はアプリケーション領域と高い相関性を持つが、意図分類にそのような相関性を利用する研究はほとんどない。 最初にドメインとインテントを分類する2段階のアプローチを開発するのではなく、ドメインとインテントを同時に分類するジョイントモデルに基づいた階層型マルチタスク学習手法を提案する。 提案手法では,(1)2段階パイプラインを代替するドメインとインテント分類の合同モデリングにおいて教師付きスコープ外信号を共有すること,(2)上位層と下位層でそれぞれインテントとドメイン表現を学ぶ階層モデルを導入すること,などが新しい手法である。 実験により、モデルが既存の手法よりも精度、スコープ外リコール、F1で優れていることが示された。 さらに、しきい値に基づく後処理は、インテント分類における精度とリコールのバランスをとることにより、パフォーマンスをさらに向上させる。

関連論文リスト

• The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
  クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。 我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。 我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
  論文  参考訳（メタデータ） (2022-03-10T23:35:00Z)
• GAN for Vision, KG for Relation: a Two-stage Deep Network for Zero-shot Action Recognition [33.23662792742078]
  ゼロショット動作認識のための2段階のディープニューラルネットワークを提案する。 サンプリング段階では,授業の動作特徴と単語ベクトルによって訓練されたGAN(Generative Adversarial Network)を利用する。 分類段階において、アクションクラスの単語ベクトルと関連するオブジェクトの関係に基づいて知識グラフを構築する。
  論文  参考訳（メタデータ） (2021-05-25T09:34:42Z)
• Automatic Intent-Slot Induction for Dialogue Systems [5.6195418981579435]
  我々はem自動インテントスロット誘導の新しいタスクを提案し,新しいドメイン非依存ツールを提案する。 すなわち、ロールラベル、コンセプトマイニング、パターンマイニングを含む3段階の粗い手順を設計する。 RCAPは良好なSLUスキーマを生成でき、最先端の教師あり学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-03-16T07:21:31Z)
• Example-Driven Intent Prediction with Observers [15.615065041164629]
  本稿では,対話システムに宛てた発話に対して,ユーザの意図を識別することを目的とした意図分類問題に焦点をあてる。 本稿では,(1)観察者および(2)サンプル駆動学習という,発話分類モデルの一般化性向上のための2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-17T01:03:06Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• BriNet: Towards Bridging the Intra-class and Inter-class Gaps in One-Shot Segmentation [84.2925550033094]
  ほとんどショットのセグメンテーションは、限られたトレーニングサンプルで見えないオブジェクトインスタンスをセグメンテーションするためのモデルの一般化に焦点を当てている。 本稿では,クエリの抽出した特徴とサポートイメージのギャップを埋めるフレームワーク BriNet を提案する。 本フレームワークの有効性は,他の競合手法よりも優れる実験結果によって実証された。
  論文  参考訳（メタデータ） (2020-08-14T07:45:50Z)
• Learning a Domain Classifier Bank for Unsupervised Adaptive Object Detection [48.19258721979389]
  本稿では,ディープネットワークに基づく物体検出のための細粒度領域アライメント手法を提案する。 そこで我々は,適応検出器として細粒度領域アライメント機構を備えた素物体検出器を開発した。 3つの一般的な転送ベンチマーク実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-07-06T09:12:46Z)
• Cross-domain Detection via Graph-induced Prototype Alignment [114.8952035552862]
  カテゴリレベルのドメインアライメントを求めるグラフ誘発プロトタイプアライメント(GPA)フレームワークを提案する。 さらに,クラス不均衡がドメイン適応に与える影響を軽減するために,クラス重み付きコントラスト損失を設計する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-03-28T17:46:55Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。