O Dia da Comunidade de ML é dia 9 de novembro! Junte-nos para atualização de TensorFlow, JAX, e mais Saiba mais

clinc_oos

  • Descrição:

Os sistemas de diálogo orientados a tarefas precisam saber quando uma consulta está fora de sua faixa de intenções com suporte, mas os corpora de classificação de texto atuais apenas definem conjuntos de rótulos que abrangem todos os exemplos. Apresentamos um novo conjunto de dados que inclui consultas fora do escopo (OOS), ou seja, consultas que não se enquadram em nenhuma das intenções suportadas pelo sistema. Isso representa um novo desafio porque os modelos não podem presumir que todas as consultas no momento da inferência pertencem a uma classe de intenção suportada pelo sistema. Nosso conjunto de dados também cobre 150 classes de intent em 10 domínios, capturando a amplitude que um agente orientado a tarefas de produção deve lidar. Ele oferece uma maneira de comparar a classificação de texto de forma mais rigorosa e realista em sistemas de diálogo orientados por tarefas.

Dividir Exemplos
'test' 4.500
'test_oos' 1.000
'train' 15.000
'train_oos' 100
'validation' 3.000
'validation_oos' 100
  • Características:
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),
})
  • citação:
@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",
}