开放意图分类是构建智能对话系统的重要任务之一,其目标是在识别已知意图的同时准确检测未知意图.然而,现有方法在建模复杂语义结构方面存在局限,难以刻画类别内部的多样性分布,容易导致类间混淆.为此,文中提出基于自适应粒球与纯净簇...开放意图分类是构建智能对话系统的重要任务之一,其目标是在识别已知意图的同时准确检测未知意图.然而,现有方法在建模复杂语义结构方面存在局限,难以刻画类别内部的多样性分布,容易导致类间混淆.为此,文中提出基于自适应粒球与纯净簇拆分的开放意图分类方法(Adaptive Granular-Ball and Pure Cluster Splitting for Open Intent Classification,AGPCS-OIC).首先,通过自适应粒球聚类构建反映数据真实分布的多中心子类结构,刻画类内异质性.然后,引入结构稀疏性驱动的纯净簇拆分策略,进一步划分边界松散但纯度较高的粒球,提升决策边界的表达能力和对未知类别的排斥能力.同时,结合粒球感知对比学习机制,以粒球中心为锚点构建结构级语义对,引导模型在特征空间中增强类内聚合性与类间可分性.实验表明,AGPCS-OIC在多个开放意图分类数据集上性能较优.展开更多
文摘开放意图分类是构建智能对话系统的重要任务之一,其目标是在识别已知意图的同时准确检测未知意图.然而,现有方法在建模复杂语义结构方面存在局限,难以刻画类别内部的多样性分布,容易导致类间混淆.为此,文中提出基于自适应粒球与纯净簇拆分的开放意图分类方法(Adaptive Granular-Ball and Pure Cluster Splitting for Open Intent Classification,AGPCS-OIC).首先,通过自适应粒球聚类构建反映数据真实分布的多中心子类结构,刻画类内异质性.然后,引入结构稀疏性驱动的纯净簇拆分策略,进一步划分边界松散但纯度较高的粒球,提升决策边界的表达能力和对未知类别的排斥能力.同时,结合粒球感知对比学习机制,以粒球中心为锚点构建结构级语义对,引导模型在特征空间中增强类内聚合性与类间可分性.实验表明,AGPCS-OIC在多个开放意图分类数据集上性能较优.
