論文の概要: Conformal Intent Classification and Clarification for Fast and Accurate Intent Recognition
- arxiv url: http://arxiv.org/abs/2403.18973v1
- Date: Wed, 27 Mar 2024 19:42:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-29 18:01:51.074204
- Title: Conformal Intent Classification and Clarification for Fast and Accurate Intent Recognition
- Title(参考訳): 高速かつ高精度なインテント認識のためのコンフォーマルインテント分類と明確化
- Authors: Floris den Hengst, Ralf Wolter, Patrick Altmeyer, Arda Kaygan,
- Abstract要約: Conformal Intent Classification and Clarification (CICC) はタスク指向対話システムのための高速かつ正確な意図分類のためのフレームワークである。
このフレームワークは、意図の不確実性スコアを、真の意図を含むことが保証される明確化問題に変換する。
CICCは、専門家や研究者が、特定の明確化質問を伴う対話エージェントのユーザエクスペリエンスを大幅に改善するのに役立つ。
- 参考スコア(独自算出の注目度): 1.2187048691454239
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Conformal Intent Classification and Clarification (CICC), a framework for fast and accurate intent classification for task-oriented dialogue systems. The framework turns heuristic uncertainty scores of any intent classifier into a clarification question that is guaranteed to contain the true intent at a pre-defined confidence level. By disambiguating between a small number of likely intents, the user query can be resolved quickly and accurately. Additionally, we propose to augment the framework for out-of-scope detection. In a comparative evaluation using seven intent recognition datasets we find that CICC generates small clarification questions and is capable of out-of-scope detection. CICC can help practitioners and researchers substantially in improving the user experience of dialogue agents with specific clarification questions.
- Abstract(参考訳): 本稿では,タスク指向対話システムのための高速かつ正確な意図分類のためのフレームワークであるConformal Intent Classification and Clarification(CICC)を提案する。
このフレームワークは、任意の意図分類器のヒューリスティックな不確実性スコアを、事前定義された信頼度レベルで真の意図を含むことが保証される明確化問題に変換する。
少数の潜在的意図を曖昧にすることにより、ユーザクエリを迅速かつ正確に解決することができる。
さらに,顕微鏡外検出のためのフレームワークの拡張も提案する。
7つの意図認識データセットを用いた比較評価では、CICCは小さな明確化質問を生成し、スコープ外検出が可能であることが判明した。
CICCは、専門家や研究者が、特定の明確化質問を伴う対話エージェントのユーザエクスペリエンスを大幅に改善するのに役立つ。
関連論文リスト
- Diversity-grounded Channel Prototypical Learning for Out-of-Distribution Intent Detection [18.275098909064127]
本研究では,大規模言語モデル(LLM)のための新しい微調整フレームワークを提案する。
ダイバーシティグラウンドのプロンプトチューニング手法を用いて,各IDクラスのセマンティックプロトタイプを構築した。
徹底的な評価のために,本手法を一般的な微調整手法と比較した。
論文 参考訳(メタデータ) (2024-09-17T12:07:17Z) - C2P-CLIP: Injecting Category Common Prompt in CLIP to Enhance Generalization in Deepfake Detection [98.34703790782254]
本稿では、カテゴリ共通プロンプトCLIPを紹介し、カテゴリ共通プロンプトをテキストエンコーダに統合し、カテゴリ関連概念をイメージエンコーダに注入する。
提案手法は,テスト中に追加パラメータを導入することなく,元のCLIPと比較して検出精度が12.41%向上した。
論文 参考訳(メタデータ) (2024-08-19T02:14:25Z) - Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。
FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。
PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
論文 参考訳(メタデータ) (2024-07-23T15:07:52Z) - ECOR: Explainable CLIP for Object Recognition [4.385998292803586]
本稿では,カテゴリと合理性の連立確率分布に基づくオブジェクト認識タスクにおける説明可能性の数学的定義を提案する。
本手法は,説明可能な分類における最先端性能を示す。
この進歩は、説明可能なオブジェクト認識を改善し、多様なアプリケーションに対する信頼を高める。
論文 参考訳(メタデータ) (2024-04-19T12:20:49Z) - Formal Verification of Long Short-Term Memory based Audio Classifiers: A
Star based Approach [0.0]
本論文は,実世界の文脈におけるシーケンス音声分類分析の検証と検証を行う包括的ケーススタディとして機能する。
これは、特にノイズが出力分類の精度に与える影響を考慮して、正確で信頼性の高い予測を保証するための検証の必要性を強調させる。
論文 参考訳(メタデータ) (2023-11-16T11:04:17Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳(メタデータ) (2022-07-14T17:46:37Z) - Detection of Adversarial Supports in Few-shot Classifiers Using Feature
Preserving Autoencoders and Self-Similarity [89.26308254637702]
敵対的なサポートセットを強調するための検出戦略を提案する。
我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。
提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
論文 参考訳(メタデータ) (2020-12-09T14:13:41Z) - 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) - Resolving Intent Ambiguities by Retrieving Discriminative Clarifying
Questions [6.905422991603534]
本稿では,単純なルールベースシステムを用いて,識別的質問を生成する新しい手法を提案する。
提案手法は,2つの意図の識別を目的としているが,複数の意図の明確化に容易に拡張することができる。
論文 参考訳(メタデータ) (2020-08-17T18:11:13Z) - 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。