論文の概要: Ellipsoid-Based Decision Boundaries for Open Intent Classification

• arxiv url: http://arxiv.org/abs/2511.16685v2
• Date: Mon, 24 Nov 2025 03:32:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.221974
• Title: Ellipsoid-Based Decision Boundaries for Open Intent Classification
• Title（参考訳）: オープンインテント分類のための楕円型決定境界
• Authors: Yuetian Zou, Hanlei Zhang, Hua Xu, Songze Li, Long Xiao,
• Abstract要約: EliDecideは,異なる特徴方向の様々なスケールで楕円体を学習する新しい手法である。 提案手法は,複数のテキスト意図ベンチマークや質問分類データセット上での最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 25.81412056604663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Textual open intent classification is crucial for real-world dialogue systems, enabling robust detection of unknown user intents without prior knowledge and contributing to the robustness of the system. While adaptive decision boundary methods have shown great potential by eliminating manual threshold tuning, existing approaches assume isotropic distributions of known classes, restricting boundaries to balls and overlooking distributional variance along different directions. To address this limitation, we propose EliDecide, a novel method that learns ellipsoid decision boundaries with varying scales along different feature directions. First, we employ supervised contrastive learning to obtain a discriminative feature space for known samples. Second, we apply learnable matrices to parameterize ellipsoids as the boundaries of each known class, offering greater flexibility than spherical boundaries defined solely by centers and radii. Third, we optimize the boundaries via a novelly designed dual loss function that balances empirical and open-space risks: expanding boundaries to cover known samples while contracting them against synthesized pseudo-open samples. Our method achieves state-of-the-art performance on multiple text intent benchmarks and further on a question classification dataset. The flexibility of the ellipsoids demonstrates superior open intent detection capability and strong potential for generalization to more text classification tasks in diverse complex open-world scenarios.
• Abstract（参考訳）: テキストオープンインテント分類は現実世界の対話システムにおいて重要であり、事前知識なしで未知のユーザインテントの堅牢な検出を可能にし、システムの堅牢性に寄与する。 適応的決定境界法は、手動しきい値調整をなくすことで大きなポテンシャルを示してきたが、既存の手法では、既知のクラスの等方分布を仮定し、ボールの境界を制限し、異なる方向に沿って分布のばらつきを見渡す。 この制限に対処するために,楕円型決定境界を異なる特徴方向に沿って異なるスケールで学習する新しい手法であるEliDecideを提案する。 まず、教師付きコントラスト学習を用いて、既知のサンプルの識別的特徴空間を得る。 第二に、学習可能な行列を用いて楕円体を既知の各クラスの境界としてパラメータ化し、中心と半径によってのみ定義される球面境界よりも高い柔軟性を提供する。 第三に、経験的およびオープンスペースのリスクのバランスをとる、新しく設計された二重損失関数によって境界を最適化する。 提案手法は,複数のテキスト意図ベンチマークや質問分類データセット上での最先端性能を実現する。 エリプソイドの柔軟性は、様々な複雑なオープンワールドシナリオにおいて、より良いオープンインテント検出能力と、より多くのテキスト分類タスクへの一般化の強い可能性を示す。

関連論文リスト

• Evolving from Unknown to Known: Retentive Angular Representation Learning for Incremental Open Set Recognition [12.916854998734621]
  漸進的開集合認識(IOSR)のための相対角表現学習(RARL)を提案する。 我々は,クラス間の明確なマージンを強制することによって,既知の表現をコンパクト化する仮想内在的インタラクティブ(VII)トレーニング戦略を採用する。 我々は,CIFAR100とTinyImageNetデータセットの徹底的な評価を行い,IOSRの新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2025-09-08T11:35:12Z)
• Multi-Granularity Open Intent Classification via Adaptive Granular-Ball Decision Boundary [22.669965275069313]
  適応的粒界決定境界(MOGB)を用いた多粒度オープン意図分類法を提案する。 提案手法は,表現学習と決定境界獲得という2つのモジュールから構成される。 これは適応的な粒球クラスタリングと最も近いセントロイド分類を反復的に交互に交互に行い、既知の意図クラス内の微細な意味構造をキャプチャする。
  論文  参考訳（メタデータ） (2024-12-18T06:42:19Z)
• Bidirectional Logits Tree: Pursuing Granularity Reconcilement in Fine-Grained Classification [89.20477310885731]
  本稿では,粒度分類タスクにおけるグラニュラリティコンペティションの課題について述べる。 既存のアプローチは通常、共通のベースエンコーダから抽出された共有特徴に基づいて、独立した階層認識モデルを開発する。 グラニュラリティ再構成のための双方向ロジットツリー(BiLT)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-17T10:42:19Z)
• Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
  グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。 オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
  論文  参考訳（メタデータ） (2023-05-19T23:52:48Z)
• Open-Set Likelihood Maximization for Few-Shot Learning [36.97433312193586]
  我々はFew-Shot Open-Set Recognition (FSOSR) 問題、すなわちいくつかのラベル付きサンプルしか持たないクラスのインスタンスを分類する問題に取り組む。 提案手法では,推論時に非競合なクエリインスタンスを利用する。 既存のトランスダクティブ手法はオープンセットのシナリオではうまく動作しないという観測により,最大極大原理の一般化を提案する。
  論文  参考訳（メタデータ） (2023-01-20T01:56:19Z)
• Learning Discriminative Representations and Decision Boundaries for Open Intent Detection [16.10123071366136]
  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。
  論文  参考訳（メタデータ） (2022-03-11T10:02:09Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)
• 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)
• Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
  オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。 CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。 複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-08-12T06:23:49Z)
• Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
  画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。 本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。 本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-13T18:05:36Z)

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。