Conformal Intent Classification and Clarification for Fast and Accurate Intent Recognition

我们提出了一种名为“符合性意图分类和澄清（CICC）”的框架，用于快速准确地对面向任务的对话系统进行意图分类。该框架将任何意图分类器的启发式不确定性分数转化为一个澄清问题，该问题保证在预定义的置信水平下包含真实的意图。通过消除少数可能的意图之间的歧义，用户查询可以快速准确地解决。此外，我们建议增强框架的超出范围检测功能。在使用七个意图识别数据集进行比较评估时，我们发现CICC生成了小的澄清问题，并能够进行超出范围的检测。CICC可以帮助从业者和研究人员大大提高具有特定澄清问题的对话代理的用户体验。

论文旨在提出一种快速准确的意图分类框架，通过将启发式不确定性分数转化为澄清问题，以预定义的置信水平保证包含真实意图。同时，提出了用于超出范围检测的框架。

该框架将意图分类器的不确定性得分转化为澄清问题，以快速准确地解决用户查询。相比于当前领域的研究，该论文的新思路在于将不确定性转化为澄清问题，从而提高了意图分类的准确性。

论文使用七个意图识别数据集进行了比较评估，结果表明CICC生成的澄清问题较小，并且具有超出范围检测的能力。该框架可以帮助从业者和研究人员大大改善具有特定澄清问题的对话代理的用户体验。

近期的相关研究包括：1. A Survey on Dialogue Systems: Recent Advances and New Frontiers; 2. Deep Learning for Dialogue Systems: A Survey; 3. A Review of Deep Learning Models for Natural Language Processing.