TEXTOIR是首个高质量的文本开放意图识别平台。该代码库提供了一个便捷的工具包,具有可扩展的接口,集成了两个任务(开放意图检测和开放意图发现)的一系列最先进算法。我们还在TEXTOIR-DEMO代码库中发布了流程框架和可视化平台。
TEXTOIR旨在为研究人员提供一个便利的工具包,以复现相关的文本开放分类和聚类方法。它包含两个任务,定义为开放意图检测和开放意图发现。开放意图检测旨在识别n类已知意图,并检测一类开放意图。开放意图发现旨在利用有限的已知意图先验知识来发现细粒度的已知和开放意图聚类。相关论文和代码收集在我们之前发布的阅读列表中。
开放意图识别:
日期 | 公告 |
---|---|
2023年12月 | 🎆 🎆 开放意图发现的新论文和最先进方法。代码请参考USNID目录。阅读论文 -- 面向无监督和半监督新意图发现的聚类框架(发表于IEEE TKDE 2023)。 |
2023年4月 | 🎆 🎆 开放意图检测的新论文和最先进方法。代码请参考DA-ADB目录。阅读论文 -- 学习开放意图检测的判别表示和决策边界(发表于IEEE/ACM TASLP 2023)。 |
2021年9月 | 🎆 🎆 首个集成和可视化的文本 开放意图识别平台TEXTOIR已发布。演示代码请参考TEXTOIR-DEMO目录。阅读我们的论文TEXTOIR:文本开放意图识别的集成和可视化平台(发表于ACL 2021)。 |
2021年5月 | 开放意图发现的新论文和基线DeepAligned已发布。阅读我们的论文使用深度对齐聚类发现新意图(发表于AAAI 2021)。 |
2021年5月 | 开放意图检测的新论文和基线ADB已发布。阅读我们的论文具有自适应决策边界的深度开放意图分类(发表于AAAI 2021)。 |
2020年5月 | 开放意图发现的新论文和基线CDAC+已发布。阅读我们的论文通过约束深度自适应聚类和聚类细化发现新意图(发表于AAAI 2020)。 |
2019年7月 | 开放意图检测的新论文和基线DeepUNK已发布。阅读我们的论文基于边际损失的深度未知意图检测(发表于ACL 2019)。 |
我们强烈建议您使用我们的TEXTOIR工具包,它具有标准和统一的接口(特别是数据设置),可以在基准意图数据集上获得公平和可说服的结果!
(* 表示将CV模型替换为BERT主干网络)
conda create --name textoir python=3.6
conda activate textoir
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch -c conda-forge
git clone git@github.com:thuiar/TEXTOIR.git
cd TEXTOIR
cd open_intent_detection
pip install -r requirements.txt
sh examples/run_ADB.sh
该工具包具有可扩展性,支持方便地添加新方法、数据集、配置、主干网络、数据加载器和损失函数。更详细的信息可以在open_intent_detection和open_intent_discovery目录的教程中查看。
如果这项工作对您有帮助,或者您想使用本仓库中的代码和结果,请引用以下论文:
@inproceedings{zhang-etal-2021-textoir,
title = "{TEXTOIR}:用于文本开放意图识别的集成可视化平台",
author = "张汉磊 and 李晓腾 and 徐华 and 张盼盼 and 赵康 and 高凯",
booktitle = "第59届计算语言学协会年会暨第11届自然语言处理国际联合会议论文集:系统演示",
pages = "167--174",
year = "2021",
url = "https://aclanthology.org/2021.acl-demo.20",
doi = "10.18653/v1/2021.acl-demo.20",
}
@article{DA-ADB,
title = {学习开放意图检测的判别性表示和决策边界},
author = {张汉磊 and 徐华 and 赵少杰 and 周倩睿},
journal = {IEEE/ACM音频、语音与语言处理汇刊},
volume = {31},
pages = {1611-1623},
year = {2023},
doi = {10.1109/TASLP.2023.3265203}
}
@ARTICLE{USNID,
author={张汉磊 and 徐华 and 王鑫 and 龙飞 and 高凯},
journal={IEEE知识与数据工程汇刊},
title={用于无监督和半监督新意图发现的聚类框架},
year={2023},
doi={10.1109/TKDE.2023.3340732}
}
如果您有任何问题,请开启问题并尽可能详细地说明您的问题。如果您想将您的方法整合到我们的代码库中,请随时提交拉取请求!
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数 据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号