计算机应用

作者：王祉苑, 彭涛, 杨捷

单位：1.武汉纺织大学 计算机与人工智能学院，武汉 430200；2.武汉纺织大学 纺织行业智慧感知与计算重点实验室，武汉 430200；3.伍伦贡大学 计算机与信息技术学院，澳大利亚 新南威尔士 伍伦贡 2522

关键词：分布外检测,预训练语言模型,内外数据整合,对比学习,文本分类

基金：中国高校产学研创新基金资助项目(2021ITA05012)

分布外（OOD）检测旨在识别偏离训练数据分布的外来样本，以规避模型对异常情况的错误预测。由于真实OOD数据的不可知性，目前基于预训练语言模型（PLM）的OOD检测方法尚未同时评估OOD分布在训练与测试阶段对检测性能的影响。针对这一问题，提出一种训练与测试阶段整合内外数据的OOD文本检测框架（IEDOD-TT）。该框架分阶段采用不同的数据整合策略：在训练阶段通过掩码语言模型（MLM）在原始训练集上生成伪OOD数据集，并引入对比学习增强内外数据之间的特征差异；在测试阶段通过结合内外数据分布的密度估计设计一个综合的OOD检测评分指标。实验结果表明，所提方法在CLINC150、NEWS-TOP5、SST2和YELP这4个数据集上的综合表现与最优基线方法doSCL-cMaha相比，平均接受者操作特征曲线下面积（AUROC）提升了1.56个百分点，平均95%真阳性率下的假阳性率（FPR95）降低了2.83个百分点；与所提方法的最佳变体IS/IEDOD-TT （ID Single/IEDOD-TT）相比，所提方法在这4个数据集上的平均AUROC提升了1.61个百分点，平均FPR95降低了2.71个百分点。实验结果证明了IEDOD-TT在处理文本分类任务时针对不同数据分布偏移的有效性，并验证了综合考虑内外数据分布的额外性能提升。

来源：2025年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第8期