음성 제어 대화 시스템은 다양한 사용자 쿼리에 응답하여 광범위한 작업을 수행할 수 있어 인기가 높아졌습니다. 이 시스템은 특정 사용자 작업을 수행하기 위해 사전 정의된 기술 또는 의도를 가지고 있습니다. 그러나 각 시스템은 한계를 가지고 있으며, 알려진 의도에 대해서도 모델의 신뢰도가 낮으면 수동 주석이 필요한 발화가 거부될 수 있습니다. 또한, 시간이 지남에 따라 시스템에서 거부된 쿼리에서 새로운 의도를 학습하여 추가 작업을 수행하기 위해 이러한 에이전트를 재훈련해야 할 수 있습니다. 이러한 새로운 의도와 거부된 발화를 모두 주석 처리하는 것은 비현실적이므로 주석 비용을 줄이는 효율적인 메커니즘이 필요합니다. 본 논문에서는 사용자 의도를 감지하고 시스템에서 거부된 발화를 수정하는 동시에 인간 주석의 필요성을 최소화하도록 설계된 반지도 학습 프레임워크인 IDALC (Intent Detection and Active Learning based Correction)를 소개합니다. 다양한 벤치마크 데이터셋에 대한 경험적 결과는 본 시스템이 기준 방법을 능가하여 5-10% 더 높은 정확도와 4-8%의 매크로 F1 향상을 달성함을 보여줍니다. 놀랍게도 전체 주석 비용을 시스템에서 사용할 수 있는 레이블이 없는 데이터의 6-10%로 유지합니다.
