Halo! Kami - ilmuwan di laboratorium Machine Learning ITMO dan tim Core ML di VKontakte - melakukan penelitian bersama. Salah satu tugas penting VK adalah klasifikasi otomatis dari postingan: tidak hanya diperlukan untuk menghasilkan umpan tematik, tetapi juga untuk mengidentifikasi konten yang tidak diinginkan. Penilai dilibatkan untuk pemrosesan catatan tersebut. Pada saat yang sama, biaya pekerjaan mereka dapat dikurangi secara signifikan menggunakan paradigma pembelajaran mesin seperti pembelajaran aktif.
Ini tentang aplikasinya untuk klasifikasi data multimodal yang akan dibahas dalam artikel ini. Kami akan memberi tahu Anda tentang prinsip umum dan metode pembelajaran aktif, keanehan penerapannya pada tugas, serta wawasan yang diperoleh selama penelitian.

pengantar
โ machine learning, . , , , .
, (, Amazon Mechanical Turk, .) . โ reCAPTCHA, , , , โ Google Street View. โ .
Amazon DALC (Deep Active Learning from targeted Crowds). , . Monte Carlo Dropout ( ). โ noisy annotation. , ยซ , ยป, .
Amazon . : / . , , . , : , . .
โ ! , . pool-based sampling.
. 1. pool-based
. , , ( ). : , .
, โ . (. โ query). , . ( , ) .
, , .
, โ . ( ). โ250 . . () 50 โ โ :
- , (. embedding), ;
- .
, (. . 2).
. 2 โ
ML โ . , .
. , . , , , . , , early stopping. , .
. residual , highway , (. encoder). , (. fusion): , .
โ , . -.
, โ , . , .
. , (. 3):
. 3.
. , . , , . , ( + ) โ .
, . 3, :
. 4.
, , . , รณ , , .
, : ? :
- ;
- ;
- .
. : maximum likelihood , - . :
โ ( -), โ , .
Pool-based sampling
โ , . pool-based sampling :
- - .
- .
- , , .
- .
- ( ).
- 3โ5 (, ).
, 3โ6 โ .
, , :
, . , : . , , , . . , 2โ000.
. , . ( ). , , . , . 20 .
. , . โ , . 100 200.
, , , .
โ1: batch size
baseline , ( ) (. 5).
. 5. baseline- .
random state. .
. ยซยป , , .
, (. batch size). 512 โ - (50). , batch size . . :
- upsample, ;
- , .
batch size: (1).
โ batch size, โ .
โโ (. 6).
. 6. batch size (passive ) (passive + flexible )
: c . , , batch size . .
.
Uncertainty
โ uncertainty sampling. , , .
:
1. (. Least confident sampling)
, :
โ , โ , โ , โ , .
. , . , . .
. , : {0,5; 0,49; 0,01}, โ {0,49; 0,255; 0,255}. , (0,49) , (0,5). , รณ : . , .
2. (. Margin sampling)
, , , :
โ , โ .
, . , . , , MNIST ( ) โ , . .
3. (. Entropy sampling)
:
โ - .
, , . :
- , , ;
- , .
(. 7).
. 7. uncertainty sampling ( โ , โ , โ )
, least confident entropy sampling , . margin sampling .
, , : MNIST. , , entropy sampling , . , .
. , โ , โ . , .
BALD
, , โ BALD sampling (Bayesian Active Learning by Disagreement). .
, query-by-committee (QBC). โ . uncertainty sampling. , . QBC Monte Carlo Dropout, .
, , โ . dropout . dropout , ( ). , dropout- (. 8). Monte Carlo Dropout (MC Dropout) . , . ( dropout) Mutual Information (MI). MI , , โ , . .
. 8. MC Dropout BALD
, QBC MC Dropout uncertainty sampling. , (. 9).
. 9. uncertainty sampling ( QBC ) ( โ , โ , โ )
BALD. , Mutual Information :
โ , โ .
(5) , โ . , , . BALD . 10.
. 10. BALD
, , .
query-by-committee BALD , . , uncertainty sampling. , โ , โ , โ , โ , .
BALD tf.keras, . PyTorch, dropout , batch normalization , .
โ2: batch normalization
batch normalization. batch normalization โ , . , , , , batch normalization. , . , . BALD. (. 11).
. 11. batch normalization BALD
, , .
batch normalization, . , .
Learning loss
. , . , .
, . โ . , . learning loss, . , (. 12).
. 12. Learning loss
learning loss . .
. , . ยซยป learning loss: , , . ideal learning loss (. 13).
. 13. ideal learning loss
, learning loss.
, . , , - , . :
- (2000 ), ;
- 10000 ( );
- ;
- ;
- 100 ;
- , , 1;
- .
, , . , ( margin sampling).
1.
| p-value | ||
|---|---|---|
| loss | -0,2518 | 0,0115 |
| margin | 0,2461 | 0,0136 |
, margin sampling โ , , , . c .
: ?
, , (. 14).
. 14. ideal learning loss ideal learning loss
, MNIST :
2. MNIST
| p-value | ||
|---|---|---|
| loss | 0,2140 | 0,0326 |
| 0,2040 | 0,0418 |
ideal learning loss , (. 15).
. 15. MNIST ideal learning loss. โ ideal learning loss, โ
, , , , . .
learning loss , uncertainty sampling: , โ , โ . , , . , .
, . . , margin sampling โ . 16.
. 16. ( ) , margin sampling
: ( โ margin sampling), โ , , . โ25 . . 25% โ .
, . , , .
, , . , :
- batch size;
- , , โ , batch normalization.