未知（新規）ユーザ意向の検出は、対話システムにおいて訓練データセットに出現したことがないユーザ意向を特定するという課題であり、これは非常に困難なタスクです。本論文では、未知の意向を検出するための二段階手法を提案します。我々は、マージン損失を用いた双方向長期短期記憶（BiLSTM）ネットワークを使用して特徴抽出器として機能させます。マージン損失により、ネットワークがクラス間分散を最大化し、クラス内分散を最小化することで差別的な深層特徴を学習することが可能になります。次に、これらの特徴ベクトルを密度に基づく新規性検出アルゴリズムである局所外れ値因子（LOF: Local Outlier Factor）に供給し、未知の意向を検出します。2つのベンチマークデータセットでの実験結果から、我々の手法はベースライン手法と比較して一貫した改善が得られることを示しています。