본 논문은 텍스트 기반 오픈 의도 분류 문제를 해결하기 위해 EliDecide라는 새로운 방법을 제안합니다. EliDecide는 기존의 구형 경계 기반 접근 방식의 한계를 극복하기 위해, 각 클래스에 대해 다양한 크기의 타원형 결정 경계를 학습합니다. 이를 위해, 지도 대조 학습을 통해 차별적인 특징 공간을 구축하고, 학습 가능한 행렬을 사용하여 타원형 경계를 매개변수화하며, 경험적 위험과 개방 공간 위험을 균형 있게 조절하는 이중 손실 함수를 사용하여 경계를 최적화합니다. 실험 결과, EliDecide는 여러 텍스트 의도 벤치마크와 질문 분류 데이터셋에서 최고 성능을 달성했으며, 타원형 경계의 유연성을 통해 뛰어난 오픈 의도 감지 능력과 다양한 텍스트 분류 작업으로의 일반화 가능성을 보여주었습니다.
