امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

clinc_oos

  • توضیحات :

سیستم های گفتگوی وظیفه محور باید بدانند که چه زمانی س quالی خارج از محدوده اهداف پشتیبانی شده آنها قرار دارد ، اما شرکت های طبقه بندی متن فعلی فقط مجموعه برچسب هایی را تعریف می کنند که همه مثال ها را پوشش می دهد. ما یک مجموعه داده جدید معرفی می کنیم که شامل نمایش داده هایی خارج از محدوده (OOS) است ، یعنی پرس و جوهایی که در هیچ یک از اهداف پشتیبانی شده سیستم قرار نمی گیرند. این یک چالش جدید است زیرا مدل ها نمی توانند تصور کنند که هر پرس و جو در زمان استنباط متعلق به یک کلاس هدف پشتیبانی شده از سیستم است. مجموعه داده های ما همچنین 150 کلاس قصد را در 10 دامنه تحت پوشش قرار می دهد ، وسعتی را که یک عامل وظیفه گرا باید از پس آن برآید ، به دست می آورد. این یک روش برای محک زدن دقیق و واقع بینانه تر طبقه بندی متن در سیستم های گفتگوی وظیفه محور را ارائه می دهد.

شکاف مثال ها
'test' 4500
'test_oos' 1000
'train' 15000
'train_oos' 100
'validation' 3000
'validation_oos' 100
  • ویژگی ها :
FeaturesDict({
    'domain': tf.int32,
    'domain_name': Text(shape=(), dtype=tf.string),
    'intent': tf.int32,
    'intent_name': Text(shape=(), dtype=tf.string),
    'text': Text(shape=(), dtype=tf.string),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('text', 'intent')

  • نقل قول :

@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",
}