.png){kind=icon}
返回
Structural knowledge-guided complex-noise handling for open intent classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.109588.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
开放意图分类旨在将已知意图分配到其对应类别的同时识别未知意图。其成功很大程度上依赖于准确标注的数据。然而，现实世界数据通常包含分布内（IND）噪声和分布外（OOD）噪声，这会降低模型性能。尽管取得了一些进展，但在复杂噪声场景下的开放意图分类仍需进一步探索。此外，现有噪声处理方法存在以下局限性：1）它们通常依赖有限的类别级信息（如原型）进行噪声检测，忽略了类内结构特征；2）它们通常采用全局标准进行样本选择；3）它们往往忽略了OOD噪声在训练中的潜在价值。这些局限性降低了噪声检测精度并阻碍了表示学习。为解决这些挑战，我们提出了结构知识引导的复杂噪声处理方法（CNOIC）用于开放意图分类。具体而言，我们引入结构知识表示，通过粒度球捕获每个类别的结构特征。此外，我们设计了基于粒度球属性的结构引导标准，以区分干净样本、IND噪声和OOD噪声。另外，我们提出了一种开放空间感知的表示学习策略，利用OOD噪声原型作为未知占位符，有效扩展未知空间。在三个数据集上的实验验证了我们提出方法的有效性。CNOIC的源代码可在：https://github.com/Liyanhuaa/CNOIC 。
Keyword:
Granular-ball computing
Structural knowledge
Open intent classification
Noise learning
