使用高斯混合模型进行未知意图检测，并将其应用于零次拍摄的意图分类中

用户意图分类在对话系统中起着至关重要的作用。由于在许多现实场景中，用户的意图可能会随着时间的推移而改变，因此未知（新）意图的检测已经成为一个重要的问题，而这方面的研究才刚刚开始。本文提出了一个语义增强的高斯混合模型（SEG）用于未知意图的检测。特别是，我们用高斯混合分布对语料嵌入进行建模，并将动态的阶级语义信息注入高斯手段中，这使得学习更多的阶级集中的嵌入，有助于促进下游的离群点检测。与基于密度的离群点检测算法相结合，SEG在两种语言的三个真实任务导向的对话数据集上取得了具有竞争力的结果，用于未知意图的检测。在此基础上，我们建议将SEG作为一个未知意图识别器整合到现有的广义零次元意图分类模型中，以提高其性能。对最先进的方法ReCapsNet的案例研究表明，SEG可以将分类性能推到一个明显的更高水平。