基于距离损失和决策边界的开放意图检测方法

摘要

针对开放意图检测任务中对特征分布处理不足有可能导致所得特征分布不够紧凑的问题，提出一种融合BERT、距离损失、决策边界的开放意图检测方法。首先，通过BERT模型捕获文本间的上下文特征；然后，通过距离损失令样本特征学习更为紧密；最后，进行决策边界学习，实现开放意图检测任务。结果表明，所提方法在公开数据集StackOverflow上具有较好的表现，在2种不同的已知意图比例设置下表现均为最好，准确率达到88.28%和84.43%,F1值达到87.51%和87.40%。研究结果补充了针对边界检测的特征表示再处理方法，可为解决开放意图检测问题提供参考。

关键词

自然语言处理 / 意图识别 / 意图检测 / 距离损失 / 决策边界

基金资助

国家自然科学基金(61772075); 河北省自然科学基金(F202208006,F2023207003); 河北省高等学校科学研究青年基金项目(QN2024196)