초록
대화 시스템에서 훈련 세트에 나타나지 않은 미지(새로운) 사용자 의도를 식별하는 것은 어려운 과제입니다. 본 논문에서는 미지 의도를 감지하기 위한 두 단계 방법을 제시합니다. 우리는 마진 손실을 사용한 양방향 장단기 기억(BiLSTM) 네트워크를 특징 추출기에 활용합니다. 마진 손실을 통해 네트워크가 클래스 간 분산을 최대화하고 클래스 내 분산을 최소화하도록 강제함으로써 차별적인 딥 특징을 학습할 수 있습니다. 그런 다음, 특징 벡터들을 밀도 기반 신규성 검출 알고리즘인 지역 이상치 요인(LOF, Local Outlier Factor)에 입력하여 미지 의도를 감지합니다. 두 개의 벤치마크 데이터셋에 대한 실험 결과는 우리의 방법이 기준 방법들에 비해 일관된 개선 효과를 보임을 확인하였습니다.