【论文标题】 Few-shot Learning for Multi-label Intent Detection 【作者团队】Yutai Hou,Yongkui Lai,Yushan Wu,Wanxiang Che,Ting Liu 【发表时间】AAAI 2021 【论文链接】https://arxiv.org/abs/2010.05256v1.pdf 【论文代码】https://github.com/AtmaHou/FewShotMultiLabel 【推荐理由】本文提出了一种新的多标签意图检测框架，解决阈值和标签相关性评分的挑战。 本文研究了用于用户意图检测的少样本多标签分类方法。对于多标签意图检测，最先进的工作估计标签实例相关性得分，并使用阈值选择多个相关的意图标签。为了用少数例子确定合适的阈值，我们首先学习在数据丰富的域上的通用阈值经验，然后用基于非参数学习的校准将阈值调整到特定的Few-shot域上。为了更好地计算标签-实例的相关性得分，我们在表示空间中引入标签名嵌入作为锚点，将不同类别的表示细化到彼此分离的程度。在两个数据集上的实验表明，所提出的模型在1-shot和5-shot设置下均显著优于最强基线模型。

内容中包含的图片若涉及版权问题，请及时与我们联系删除