识别对话系统中从未在训练集中出现过的未知（新颖）用户意图是一项具有挑战性的任务。本文提出了一种两阶段方法来检测未知意图。我们使用带有边缘损失的双向长短期记忆（BiLSTM）网络作为特征提取器。通过边缘损失，我们可以迫使网络最大化类间差异并最小化类内差异，从而学习到具有区分性的深层特征。然后，我们将特征向量输入基于密度的新颖性检测算法——局部离群因子（LOF），以检测未知意图。在两个基准数据集上的实验表明，与基线方法相比，我们的方法可以实现一致的性能提升。