
摘要
识别新用户意图是对话系统中的一个重要任务。然而,由于意图的定义强烈依赖于先验知识,因此很难获得令人满意的聚类结果。现有的方法通过密集的特征工程来融入先验知识,这不仅容易导致过拟合,还使得聚类结果对聚类数量非常敏感。在本文中,我们提出了一种带有聚类优化的约束深度自适应聚类(CDAC+)方法,这是一种端到端的聚类方法,可以自然地将成对约束作为先验知识纳入聚类过程。此外,我们通过强制模型从高置信度分配中学习来优化聚类结果。在消除低置信度分配后,我们的方法对聚类数量表现出惊人的不敏感性。在三个基准数据集上的实验结果显示,我们的方法相比强大的基线模型取得了显著的改进。