使用高斯混合模型的未知意圖檢測，並應用於零射意圖分類

使用者意圖分類在對話系統中起著至關重要的作用。由於在許多現實場景中，使用者意圖可能會隨著時間的推移而頻繁變化，因此未知（新）意圖檢測已成為一個基本問題，而研究才剛剛開始。本文提出了一種用於未知意圖檢測的語義增強型高斯混合模型（SEG）。特別是，我們使用高斯混合分佈對話語嵌入進行建模，並將動態類語義資訊注入高斯均值，從而能夠學習更多類集中嵌入，從而有助於促進下游異常值檢測。結合基於密度的異常值檢測演算法，SEG在兩種語言的三個面向任務的真實對話數據集上實現了具有競爭力的結果，用於未知意圖檢測。最重要的是，我們建議將SEG作為未知意圖標識碼集成到現有的廣義零射意圖分類模型中，以提高其性能。關於最先進的方法ReCapsNet的案例研究表明，SEG可以將分類性能推向更高的水準。