针对开放意图检测任务中对特征分布处理不足，导致所得特征分布不够紧凑问题，提出一种融合BERT、距离损失、决策边界的开放意图检测方法。首先，通过BERT模型捕获文本间的上下文特征；然后，通过距离损失令样本特征学习更为紧密；最后进行决策边界学习，实现开放意图检测任务。结果表明，所提方法在公开数据集StackOverflow上具有较高表现，在两种不同的已知意图比例设置下表现均为最好，准确率达到88.28%和84.43%，F1值达到87.51%和87.40%。研究结果可为开放意图检测问题提供参考。