clinique_oos

  • Descriptif :

Les systèmes de dialogue orientés tâche doivent savoir quand une requête sort de leur plage d'intentions prises en charge, mais les corpus de classification de texte actuels définissent uniquement des ensembles d'étiquettes qui couvrent chaque exemple. Nous introduisons un nouvel ensemble de données qui comprend des requêtes hors champ (OOS), c'est-à-dire des requêtes qui ne relèvent d'aucune des intentions prises en charge par le système. Cela pose un nouveau défi car les modèles ne peuvent pas supposer que chaque requête au moment de l'inférence appartient à une classe d'intention prise en charge par le système. Notre ensemble de données couvre également 150 classes d'intention sur 10 domaines, capturant l'étendue qu'un agent orienté tâche de production doit gérer. Il offre un moyen d'évaluer de manière plus rigoureuse et réaliste la classification de texte dans les systèmes de dialogue axés sur les tâches.

Diviser Exemples
'test' 4 500
'test_oos' 1 000
'train' 15 000
'train_oos' 100
'validation' 3 000
'validation_oos' 100
  • Structure des fonctionnalités :
FeaturesDict({
    'domain': int32,
    'domain_name': Text(shape=(), dtype=string),
    'intent': int32,
    'intent_name': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
FonctionnalitésDict
domaine Tenseur int32
nom de domaine Texte chaîne de caractères
intention Tenseur int32
nom_intention Texte chaîne de caractères
texte Texte chaîne de caractères
  • Citation :
@inproceedings{larson-etal-2019-evaluation,
    title = "An Evaluation Dataset for Intent Classification and Out-of-Scope Prediction",
    author = "Larson, Stefan  and
      Mahendran, Anish  and
      Peper, Joseph J.  and
      Clarke, Christopher  and
      Lee, Andrew  and
      Hill, Parker  and
      Kummerfeld, Jonathan K.  and
      Leach, Kevin  and
      Laurenzano, Michael A.  and
      Tang, Lingjia  and
      Mars, Jason",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/D19-1131",
    doi = "10.18653/v1/D19-1131",
    pages = "1311--1316",
}