意図検出は、タスク指向対話システムにおける自然言語理解（NLU）ユニットのタスクの一つです。範囲外（Out of Scope: OOS）およびドメイン外（Out of Domain: OOD）の入力がこれらのシステムに問題を引き起こす可能性があります。一方、タスク指向対話システムでの意図検出モデルの学習にはラベル付きデータセットが必要です。ラベル付きデータセットの作成は時間のかかる作業であり、人的リソースも必要となります。本稿の目的は、上記の問題に対処することです。OOD/OOS入力の識別タスクはOOD/OOS意図検出と呼ばれています。また、新しい意図の発見とOOD入力の疑似ラベリングは、意図発見として広く知られています。OOD意図検出部分では、変分オートエンコーダー（Variational Autoencoder）を使用して、入力データ分布に依存せずに既知と未知の意図を区別します。その後、無監督クラスタリング手法を用いてOOD/OOS入力に潜む異なる未知の意図を発見します。さらに、非線形次元削減をOOD/OOS表現に適用し、クラスタリングにとって意味のある距離を表現間で実現します。我々の結果は、提案されたモデルが英語およびペルシャ語においてOOD/OOS意図検出と意図発見双方で優れた結果を達成し、ベースラインを超えることを示しています。