Intentieclassificatie

Intentieclassificatie is een taak binnen spraak- en taalverwerking waarbij een gegeven tekstuele inzending (utterance) wordt toegewezen aan een vooraf gedefinieerde intent. Intenties vertegenwoordigen wat de spreker wil bereiken, zoals informatie opvragen, een actie starten of een bestelling plaatsen. Het doel is om vertaling van natuurlijke taal naar een structurele interpretatie mogelijk te maken die downstream systemen kan aansturen.

Het proces omvat meestal een stappenplan: verzameling en labeling van trainingsdata, preprocessing en normalisatie van de tekst, representatie van de input als features (zoals bag-of-words, TF-IDF of woord- en zinsrepresentaties) en het traineren van een classifier. Modellen variëren van traditionele machine-learningmethoden zoals logistieke regressie en SVM tot neurale netwerken en transformer-gebaseerde modellen die vaak fijn afgesteld worden op de specifieke domain.

Intentieclassificatie wordt vaak toegepast in chatbots, virtuele assistenten en klantenservice-systemen, waar een utterance direct een actie of respons aandrijft (bijvoorbeeld het tonen van productinformatie, het doorverwijzen naar een afdeling of het plaatsen van een bestelling). In meer complexe settings kan sprake zijn van meerdere intents per utterance, hiërarchische of contextual intents in multi-turn dialogen, of out-of-scope teksten.

Evaluatie gebeurt meestal met metriek zoals nauwkeurigheid, precisie, recall en F1, soms per intent en met een gecombineerde confusion matrix. Belangrijke uitdagingen zijn taalvariatie, domeinadaptatie, imbalanced classes, ambiguïteit en het omgaan met intents die sterk op elkaar lijken of context vereisen.

Gerelateerde begrippen zijn intent, entiteit en dialoogbeheer.