A New Approach for Fine-Tuning Sentence Transformers for Intent Classification and Out-of-Scope Detection Tasks
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了一种新方法,结合意图分类与超出范围检测,解决虚拟助手系统中的超出范围查询拒绝问题。该方法通过结合交叉熵损失与自动编码器学习的嵌入重构损失,提高了拒绝超出样本的准确度,同时保持了意图分类性能。
🎯
关键要点
- 本研究提出了一种新方法,结合意图分类与超出范围检测,解决虚拟助手系统中的超出范围查询拒绝问题。
- 该方法通过结合交叉熵损失与自动编码器学习的嵌入重构损失,提高了拒绝超出样本的准确度。
- 在拒绝超出样本实例的准确度上,该方法提高了1-4%,同时保持了意图分类的性能。
➡️