Aug, 2020

通过意图描述生成进行查询理解

PDF
TL;DR本文提出了 Query-to-Intent-Description (Q2ID) 任务，利用 Contrastive Generation 模型 CtrsGen 生成自然语言 intent 描述，以解决 IR 中的搜索理解问题，通过对多个基准数据集的比较验证了模型的有效性。
query understandinginformation retrievalintent descriptionctrsgennatural language generation
发现论文，激发创造
  • QAID: 基于问答启发的少样本意图检测

    将意图识别重新定义为一个问答检索任务，通过批量对比损失采用了两阶段训练策略，提高了查询表示方法和同一意图答案间的上下文化令牌级相似度得分，最终在少样本意图识别测试上达到了最先进的性能。

    Mar, 2023

  • 通过检索有区别的澄清问题解决意图的歧义

    提出了一种生成 “区分性问题” 的新方法，以解决用户查询中的歧义，用于任务导向型对话系统中的意图检测，而无需昂贵的领域特定澄清问题的标注数据。

    Aug, 2020

  • 电子商务查询中的意图术语选择与优化

    在电子商务搜索中，通过利用历史查询重构日志，采用远程监控的方法来确定查询的产品意图，进而在搜索引擎中强调定义查询的产品意图的术语，从而改善排名。实验证明比非情境性基线更胜一筹，可以解决查询处理中出现的多种问题。

    Aug, 2019

  • q2d：从问题到对话，训练模型学习搜索

    该论文介绍了一种自动生成基于搜索查询的对话数据的机器学习方法，通过使用大型语言模型生成问题回答数据集，学习如何与外部搜索 API 通信，以生成具有上下文的搜索查询，从而改善对话系统的回答效果。

    Apr, 2023

  • 基于多阶段粗 - 细对比学习的对话意图识别

    本文提出了一个多阶段的粗到细对比学习模型训练方案，用于联合对比学习和聚类在任务导向的对话中识别意图，该方法在 DSTC11 跟踪 2 评估结果中排名第一。

    Mar, 2023

  • IDAS: 使用抽象摘要发现意图

    通过使用抽象摘要信息对话句子聚类，以发现隐含意图。本文提出了一种 IDAS 方法，利用大型语言模型来生成摘要标签，无监督任务中性能最先进。

    May, 2023

  • 持续化的通用意图发现：迈向动态和开放式意图识别

    通过原型引导的学习与重放和蒸馏方法，我们提出了一种连续的广义意图发现任务，旨在不断自动地从动态 OOD 数据流中发现 OOD 意图，并几乎不需要先前的数据将它们逐步添加到分类器中，从而朝着开放世界的动态意图识别迈进。

    Oct, 2023

  • 网络搜索与对话代理中的用户意图推断

    研究如何通过建立新模型来识别用户意图，以提高自然语言处理、查询分析、查询建议和排序等搜索引擎任务的效果。

    May, 2020

  • 学习类 - 转导意图表示以进行零样本意图检测

    本研究提出了一种利用未知类标签学习类转导意图表示（CTIR）的框架，该框架采用多任务学习目标和相似度评分器来改善现有的零样本意图检测系统不能识别未知意图的问题，并在两个真实数据集上获得了相当的性能提升。

    Dec, 2020

  • 生成多个新意图检测的高质量数据点的框架

    本论文提出了一种基于聚类的框架 --MNID（多新意图检测），用于检测多个新出现的新意图，在人力预算有限的情况下更高效地重训练基础分类器，实验结果表明 MNID 在准确性和 F1 分数上优于基线方法。

    May, 2022