論文の概要: Domain Adaptation in Intent Classification Systems: A Review
- arxiv url: http://arxiv.org/abs/2404.14415v1
- Date: Tue, 26 Mar 2024 15:59:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-28 11:16:37.575330
- Title: Domain Adaptation in Intent Classification Systems: A Review
- Title（参考訳）: インスタンス分類システムにおけるドメイン適応
- Authors: Jesse Atuhurra, Hidetaka Kamigaito, Taro Watanabe, Eric Nichols,
- Abstract要約: 特定のタスクを実行する対話エージェントは、自然言語で人間とコミュニケーションするインテリジェントエージェントを構築するという、NLP研究者の長期的な目標の一部である。
我々は,対話システムの意図的分類部を訓練するために必要なデータセット,ドメイン,タスク,メソッドについて,徹底的な技術的レビューを行う。
- 参考スコア（独自算出の注目度）: 24.783606027583474
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dialogue agents, which perform specific tasks, are part of the long-term goal of NLP researchers to build intelligent agents that communicate with humans in natural language. Such systems should adapt easily from one domain to another to assist users in completing tasks. Researchers have developed a broad range of techniques, objectives, and datasets for intent classification to achieve such systems. Despite the progress in developing intent classification systems (ICS), a systematic review of the progress from a technical perspective is yet to be conducted. In effect, important implementation details of intent classification remain restricted and unclear, making it hard for natural language processing (NLP) researchers to develop new methods. To fill this gap, we review contemporary works in intent classification. Specifically, we conduct a thorough technical review of the datasets, domains, tasks, and methods needed to train the intent classification part of dialogue systems. Our structured analysis describes why intent classification is difficult and studies the limitations to domain adaptation while presenting opportunities for future work.
- Abstract（参考訳）: 特定のタスクを実行する対話エージェントは、自然言語で人間とコミュニケーションするインテリジェントエージェントを構築するという、NLP研究者の長期的な目標の一部である。
このようなシステムは、ユーザーがタスクを完了するのを助けるために、あるドメインから別のドメインに容易に適応すべきである。
研究者は、そのようなシステムを達成するための意図分類のための幅広い技術、目的、データセットを開発した。
意図分類システム(ICS)の進歩にもかかわらず、技術的な観点からの進歩の体系的なレビューはまだ行われていない。
事実上、意図分類の重要な実装詳細は限定的かつ不明確であり、自然言語処理(NLP)の研究者が新しい手法を開発するのが困難である。
このギャップを埋めるために,同時代の著作を意図的分類でレビューする。
具体的には、対話システムの意図的分類部を訓練するために必要なデータセット、ドメイン、タスク、方法の徹底的な技術的レビューを行う。
構造化分析では、なぜ意図分類が難しいのかを説明し、将来的な仕事の機会を提示しながら、ドメイン適応の限界を研究する。
関連論文リスト
- Towards Robust Evaluation: A Comprehensive Taxonomy of Datasets and Metrics for Open Domain Question Answering in the Era of Large Language Models [0.0]
自然言語処理におけるオープンドメイン質問回答(ODQA)は,大規模知識コーパスを用いて,事実質問に回答するシステムを構築する。
高品質なデータセットは、現実的なシナリオでモデルをトレーニングするために使用されます。
標準化されたメトリクスは、異なるODQAシステム間の比較を容易にする。
論文 参考訳（メタデータ） (2024-06-19T05:43:02Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - The Recent Advances in Automatic Term Extraction: A survey [8.804984280269087]
自動項抽出(ATE)は自然言語処理(NLP)タスクであり、ドメイン固有のコーパスから用語を手動で識別する作業を容易にする。
本稿では、Transformerベースのニューラルモデルに焦点をあてて、深層学習に基づくATEへのアプローチに関する包括的調査を行う。
この研究は、機能工学と非神経教師あり学習アルゴリズムに基づく、これらのシステムと以前のATEアプローチの比較も提供する。
論文 参考訳（メタデータ） (2023-01-17T09:02:15Z) - A Meta-Learning Algorithm for Interrogative Agendas [3.0969191504482247]
我々は,質問的議題を表現するために,標準的な知識表現形式主義である形式概念分析(FCA)に焦点を当てる。
FCAベースのアルゴリズムは、分類や外れ値検出などの標準的な機械学習タスクにすでに使用されている。
本稿では,データを説明する優れた質問課題を構築するためのメタ学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-01-04T22:09:36Z) - Generalized Intent Discovery: Learning from Open World Dialogue System [34.39483579171543]
Generalized Intent Discovery (GID)は、INDインテント分類器をINDインテントやOODインテントを含むオープンワールドインテントセットに拡張することを目的としている。
異なるアプリケーションシナリオのための3つのパブリックデータセットを構築し、2種類のフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-13T14:31:53Z) - AANG: Automating Auxiliary Learning [110.36191309793135]
補助目的の集合を自動生成する手法を提案する。
我々は、新しい統合分類体系の中で既存の目的を分解し、それらの関係を識別し、発見された構造に基づいて新しい目的を創出することで、これを実現する。
これにより、生成された目的物の空間を探索し、指定されたエンドタスクに最も有用なものを見つけるための、原理的かつ効率的なアルゴリズムが導かれる。
論文 参考訳（メタデータ） (2022-05-27T16:32:28Z) - Recent Few-Shot Object Detection Algorithms: A Survey with Performance
Comparison [54.357707168883024]
Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。
FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。
本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
論文 参考訳（メタデータ） (2022-03-27T04:11:28Z) - Continual Learning for Natural Language Generation in Task-oriented
Dialog Systems [72.92029584113676]
自然言語生成(NLG)はタスク指向対話システムにおいて重要な要素である。
我々は,NLGの知識を新たなドメインや機能に段階的に拡張する"継続的学習"環境で研究する。
この目標に対する大きな課題は、破滅的な忘れことであり、継続的に訓練されたモデルは、以前に学んだ知識を忘れがちである。
論文 参考訳（メタデータ） (2020-10-02T10:32:29Z) - Detecting and Classifying Malevolent Dialogue Responses: Taxonomy, Data
and Methodology [68.8836704199096]
コーパスベースの会話インタフェースは、テンプレートベースのエージェントや検索ベースのエージェントよりも多様な自然なレスポンスを生成することができる。
コーパスベースの会話エージェントの生成能力が増大すると、マレヴォレントな反応を分類し、フィルタリングする必要性が生じる。
不適切な内容の認識と分類に関するこれまでの研究は、主にある種のマレヴォレンスに焦点を絞っている。
論文 参考訳（メタデータ） (2020-08-21T22:43:27Z) - Counterfactual Detection meets Transfer Learning [48.82717416666232]
既存のモデルアーキテクチャに最小限の適応で実装可能な,単純なバイナリ分類タスクであることを示す。
本稿では,先行者や後続者をエンティティ認識タスクとして処理するエンド・ツー・エンドパイプラインを導入し,それらをトークン分類に適用する。
論文 参考訳（メタデータ） (2020-05-27T02:02:57Z) - Automatic Discovery of Novel Intents & Domains from Text Utterances [18.39942131996558]
本稿では,ラベルのない大量のデータから新しいドメインや意図を自動的に発見する新しいフレームワークADVINを提案する。
ADVINは3つのベンチマークデータセットのベースラインと、商用音声処理エージェントからの実際のユーザ発話を大きく上回る。
論文 参考訳（メタデータ） (2020-05-22T00:47:10Z)
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。