Feb, 2021

基于常识知识的广义零样本意图识别

PDF
TL;DRRIDE 是一种利用常识知识无监督方式来检测用户意图的模型，通过计算鲁棒且具有泛化性的关系元特征来捕获话语和意图标签之间的深层语义关系，从而实现对已见和未见意图的高精度检测。
intent detectionnatural language processingunseen intentsridecommonsense knowledge
发现论文，激发创造
  • 基于模板的零 - shot 意图识别方法

    探讨了用于意图识别的广义零射击模式，并使用句子对建模方法，通过任务转移进一步提高性能，使用语境编码器的预训练技术使模型适用于主要且适应不断变化的应用。

    Jun, 2022

  • 基于常识推理的零样本提示对隐性意图预测和推荐的应用

    本文提出了一个多域对话系统的框架，该系统可以自动推断用户话语的隐含意图并使用大型预训练语言模型触发适当的单任务导向机器人以执行任务，此框架能够有效地实现隐式意图和零 - shot 推荐。

    Oct, 2022

  • 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

  • IntenDD: 一种统一对比学习方法用于意图检测和发现

    使用对比学习策略和修改的吸附法模型，IntenDD 方法通过共享的话语编码骨干来实现任务导向的对话系统中对意图的识别，并在多个任务中实现了显著的性能提升。

    Oct, 2023

  • 基于胶囊神经网络的零样本用户意图识别

    本文提出了两种基于胶囊网络的架构，分别为 INTENT-CAPSNET 和 INTENTCAPSNET-ZSL，可用于用户意图检测问题。使用这些模型可以在没有标记的语句的情况下检测出新兴的用户意图。在两个真实世界数据集上的实验证明了该模型的有效性。

    Sep, 2018

  • 泛零样本音频到意图分类

    利用仅有每个意图几个样本文本句子的泛化零样本音频到意图分类框架，该框架使用只有音频的数据，通过训练有监督的音频到意图分类器和利用神经音频合成器生成音频嵌入，使用余弦相似度对未见过的意图进行泛化零样本分类，并通过多模态训练策略将词汇信息融入音频表征来提高泛化零样本性能。相较于仅使用音频训练，我们的多模态训练方法提高了 SLURP 和内部目标导向对话数据集上未见过的意图的零样本意图分类准确率分别为 2.75％和 18.2％。

    Nov, 2023

  • 基于表征的元学习用于少样本语音意图识别

    本文提出了一种利用元学习范式的 few-shot 口语意图分类方法，通过基于表示的元学习获取 utterances 的任务无关表示，然后使用线性分类器进行预测，在 Google Commands 和 Fluent Speech Commands 数据集上实验表明，该方法可以实现对新类别进行准确分类的性能。

    Jun, 2021

  • FolkScope: 基于意图的知识图谱构建为目的的电子商务常识发现

    本论文提出了 FolkScope—— 基于知识图谱构建的意图知识框架，借助大规模语言模型的生成能力和人机交互的标注，半自动地构建知识图谱，显现人类在电子商务平台购买商品过程中的意图结构，讨论了其内在质量和外部应用，证明其能够很好地模拟常识性的 e-commerce 知识。

    Nov, 2022

  • 基于对比度预训练和微调的小样本意图检测

    本文提出了一种对于细粒度、语义相似的意图进行 Few-shot 检测的方案，使用了对比自监督预训练和有监督对比学习的组合方式，在三种不同的具有挑战性的 Few-shot 意图检测数据集上实验，获得了最先进的表现。

    Sep, 2021

  • 面向对话文本的开放意图发现

    该文提出了 “开放式意图发现” 任务并提出了双向 LSTM+CRF 模型、自注意力、对抗训练等新方法，在真实数据集上进行实验，证明了该方法的有效性并达到了领先水平。

    Apr, 2019