Исследовательская группа

Агентные системы и обучение с подкреплением

Различные подходы к негативному сэмплированию в графах знаний

December 15

Уважаемые коллеги, 
приглашаем Вас посетить семинар "Различные подходы к негативному сэмплированию в графах знаний".

Моделям, работающим с графами знаний, для обучения требуются как положительные, так и негативные примеры. При этом в самих графах знаний негативные примеры отсутствуют, а потому их поиск становится нетривиальной задачей. Стандартной практикой  является равномерное негативное сэмплирование: для каждого позитивного примера (существующего ребра в графе знаний) негативные примеры отбираются путем замены одной из вершин ребра на случайную из равномерного распределения. У такого подхода есть свои недостатки: он занимает много времени, влечет большое количество ложноотрицательных примеров, часто генерирует некачественные примеры, ведет к проблеме исчезающих градиентов.

На семинаре мы подробнее обсудим проблемы стандартного подхода к негативному сэмплированию в графах знаний, а также рассмотрим более сложные методы (основанные на GAN-ах и кэшировании). Наконец, поговорим о возможности отказаться от негативного сэмплирования, используя регуляризацию.

Докладчик: Елизавета Вирко.

Язык доклада: русский.

Дата и время: 15-е декабря, 18:30-20:00.

https://us02web.zoom.us/j/217320533?pwd=TzllQzNld1ExUVJUdENXdzZsblBhUT09

Meeting ID: 217 320 533

Passcode: 021675

Подробнее об этом и других мероприятиях на сайте research.jetbrains.org.