論文の概要: Learning Discriminative Representations and Decision Boundaries for Open Intent Detection

• arxiv url: http://arxiv.org/abs/2203.05823v3
• Date: Fri, 5 May 2023 15:02:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-08 17:49:18.577211
• Title: Learning Discriminative Representations and Decision Boundaries for Open Intent Detection
• Title（参考訳）: オープンインテント検出のための学習識別表現と決定境界
• Authors: Hanlei Zhang, Hua Xu, Shaojie Zhao, Qianrui Zhou
• Abstract要約: オープンインテント検出は自然言語理解において重要な問題である。 オープンな意図検出のための距離認識意図表現と適応的決定境界を学習するDA-ADBを提案する。 我々のフレームワークは3つのベンチマークデータセットで大幅に改善されている。
• 参考スコア（独自算出の注目度）: 16.10123071366136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open intent detection is a significant problem in natural language understanding, which aims to identify the unseen open intent while ensuring known intent identification performance. However, current methods face two major challenges. Firstly, they struggle to learn friendly representations to detect the open intent with prior knowledge of only known intents. Secondly, there is a lack of an effective approach to obtaining specific and compact decision boundaries for known intents. To address these issues, this paper presents an original framework called DA-ADB, which successively learns distance-aware intent representations and adaptive decision boundaries for open intent detection. Specifically, we first leverage distance information to enhance the distinguishing capability of the intent representations. Then, we design a novel loss function to obtain appropriate decision boundaries by balancing both empirical and open space risks. Extensive experiments demonstrate the effectiveness of the proposed distance-aware and boundary learning strategies. Compared to state-of-the-art methods, our framework achieves substantial improvements on three benchmark datasets. Furthermore, it yields robust performance with varying proportions of labeled data and known categories.
• Abstract（参考訳）: オープンインテント検出は自然言語理解において重要な問題であり、既知のインテント識別性能を確保しながら、未認識のオープンインテントを特定することを目的としている。 しかし、現在の手法は2つの大きな課題に直面している。 まず、彼らは、既知の意図のみの事前知識でオープンな意図を検出するために友好的な表現を学ぶのに苦労する。 第二に、既知の意図に対する特定かつコンパクトな決定境界を得るための効果的なアプローチがない。 これらの問題に対処するため,本論文では,オープンインテント検出のための距離認識インテント表現と適応的決定バウンダリを逐次学習するda-adbというフレームワークを提案する。 具体的には,まず距離情報を利用して意図表現の識別能力を高める。 次に,経験的リスクとオープンスペースリスクのバランスをとることにより,適切な決定境界を得るための新たな損失関数を設計する。 広汎な実験は,提案した距離認識および境界学習戦略の有効性を示す。 最先端のメソッドと比較して、3つのベンチマークデータセットで大幅に改善されています。 さらに、ラベル付きデータと既知のカテゴリの比率の異なる堅牢な性能が得られる。

関連論文リスト

• Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
  そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。 我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。 インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
  論文  参考訳（メタデータ） (2023-11-16T00:18:50Z)
• Effective Open Intent Classification with K-center Contrastive Learning and Adjustable Decision Boundary [28.71330804762103]
  オープンインテント分類の有効性を向上するために,新しいK中心のコントラスト学習とCLAB(Compactable decision boundary learning)を導入する。 具体的には,K中心のコントラスト学習アルゴリズムを考案し,差別的かつバランスの取れた意図的特徴を学習する。 次に、決定中心と決定境界の半径からなる、既知の意図クラス毎に決定境界を学習する。
  論文  参考訳（メタデータ） (2023-04-20T11:35:06Z)
• Discovering New Intents Using Latent Variables [51.50374666602328]
  本稿では,意図の割り当てを潜伏変数として扱う意図を発見するための確率的フレームワークを提案する。 E-step, we conducting intents and explore the intrinsic structure of unlabeled data by the rear of intent assignments。 M段階において、ラベル付きデータの識別を最適化することにより、既知の意図から伝達される事前知識の忘れを緩和する。
  論文  参考訳（メタデータ） (2022-10-21T08:29:45Z)
• Few-Shot Intent Detection via Contrastive Pre-Training and Fine-Tuning [27.154414939086426]
  コントラスト付き事前学習と微調整を併用した簡易かつ効果的に数発のインテント検出方式を提案する。 まず、収集した意図データセットに基づいて、自己教師付きコントラスト事前学習を行い、意味論的に類似した発話を識別することを暗黙的に学習する。 次に、教師付きコントラスト学習とともに、数発のインテント検出を行い、同じインテントから発声を明示的に引き出す。
  論文  参考訳（メタデータ） (2021-09-13T22:28:58Z)
• Few-Shot Fine-Grained Action Recognition via Bidirectional Attention and Contrastive Meta-Learning [51.03781020616402]
  現実世界のアプリケーションで特定のアクション理解の需要が高まっているため、きめ細かいアクション認識が注目を集めている。 そこで本研究では,各クラスに付与されるサンプル数だけを用いて,新規なきめ細かい動作を認識することを目的とした,数発のきめ細かな動作認識問題を提案する。 粒度の粗い動作では進展があったが、既存の数発の認識手法では、粒度の細かい動作を扱う2つの問題に遭遇する。
  論文  参考訳（メタデータ） (2021-08-15T02:21:01Z)
• Generalized Zero-shot Intent Detection via Commonsense Knowledge [5.398580049917152]
  学習データ不足の問題を克服するために,教師なしの方法でコモンセンス知識を活用する意図検出モデル RIDE を提案する。 RIDEは、発話と意図ラベルの間の深い意味的関係をキャプチャする、堅牢で一般化可能な関係メタ機能を計算する。 広範に使用されている3つのインテント検出ベンチマークに関する広範囲な実験的分析により、関係メタ機能により、目に見えないインテントと見えないインテントの両方を検出する精度が著しく向上することが示された。
  論文  参考訳（メタデータ） (2021-02-04T23:36:41Z)
• Deep Open Intent Classification with Adaptive Decision Boundary [21.478553057876972]
  オープン意図分類のための適応決定境界(ADB)を学習するための後処理手法を提案する。 具体的には,経験的リスクとオープンスペースリスクを両立させる新たな損失関数を提案する。 私たちのアプローチは、ラベル付きデータが少なく、既知の意図が少ないと驚くほど非感受性です。
  論文  参考訳（メタデータ） (2020-12-18T13:05:11Z)
• Learning Open Set Network with Discriminative Reciprocal Points [70.28322390023546]
  オープンセット認識は、事前に定義されたクラスからサンプルを同時に分類し、残りを「未知」として識別することを目的としている。 本稿では,各既知圏に対応するクラス外空間のポテンシャル表現であるReciprocal Pointを提案する。 相互点によって構成される有界空間に基づいて、未知のリスクは多圏相互作用によって減少する。
  論文  参考訳（メタデータ） (2020-10-31T03:20:31Z)
• 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)
• Efficient Intent Detection with Dual Sentence Encoders [53.16532285820849]
  本稿では,USE や ConveRT などの事前訓練された二重文エンコーダによるインテント検出手法を提案する。 提案するインテント検出器の有用性と適用性を示し,完全なBERT-Largeモデルに基づくインテント検出器よりも優れた性能を示す。 コードだけでなく、新しい挑戦的な単一ドメイン意図検出データセットもリリースしています。
  論文  参考訳（メタデータ） (2020-03-10T15:33:54Z)

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。