【14】Zhang H, Xu H, Lin T E. Deep open intent classification with adaptive decision boundary[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2021, 35(16): 14374-14382.
本文提出了自适应决策边界的方法,在分类后处理中,自动选择未知类的决策阈值。
- 在训练中,首先用普通的交叉熵损失函数来训练分类器。然后,基于所谓的边界损失来学习每个类的最佳决策边界(实际形式为以每个类的决策半径大小),当样本距离类中心的距离大于现有决策边界时,最大化决策边界以容纳该样本。当当样本距离类中心的距离小于现有决策边界时,最小化决策边界以逼近该样本,降低开放空间风险。
交叉熵损失函数
边界损失
- 在测试时,每个类都有一个阈值(在训练阶段学习到的),如果一个样本距离所有类中心的最小值大于该类的阈值时,分类为未知。否则分类为,取得最小距离的类。