申请/专利权人：重庆邮电大学

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117744665A

主分类号：G06F40/30

分类号：G06F40/30;G06N3/0455;G06N3/094;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于自然语言处理领域，具体涉及一种基于对比学习和变分自编码器的领域外意图检测方法，所述方法包括获取待检测文本；将所述待检测文本输入到训练完成的领域外意图检测模型中，输出待检测文本是否为领域外意图的检测结果；本发明将变分自编码器和对比学习结合，使模型仅需要较少领域内标注数据训练，就能准确分辨领域内和领域外意图。利用变分自编码器的重构误差，使模型生成更容易分辨的特征表示。此外，该方法在训练时，生成对抗样本以增强数据，并结合对比学习和对抗训练，提升模型的判别能力。本发明利用变分自编码器和对比学习，加强模型对意图特征的学习，提升了领域外意图检测的准确性和泛化能力。

主权项：1.一种基于对比学习和变分自编码器的领域外意图检测方法，其特征在于，所述方法包括：获取待检测文本；将所述待检测文本输入到训练完成的领域外意图检测模型中，输出待检测文本是否为领域外意图的检测结果；其中，领域外意图检测模型的训练过程包括：获取领域内数据；对领域内数据进行预处理，并将领域内数据的语句文本处理成预设长度；将处理好的领域内数据放入领域外意图检测模型中，提取出领域内数据的特征表示；将所述领域内数据的特征表示输入到两个不同多层感知机中，分离得到原始领域外特征表示和原始领域内特征表示；使用变分自编码器重构原始领域外特征表示和原始领域内特征表示；将分离得到的原始领域外特征表示、重构领域外特征表示、原始领域内特征表示和重构领域内特征表示分别采用基于互信息的训练和基于对抗对比学习的训练。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于对比学习和变分自编码器的领域外意图检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD