二十一世紀計算 | 大圖資料科學: 圖資料中的推理

微軟研究院AI頭條發表於2017-12-05

mmbizgif?wxfrom=5&wx_lazy=1


編者按:我們正淹沒在大資料的河流裡,資料之間的相互關係蘊含著豐富的資訊,但也常常被我們忽略。本文中,加州大學聖克魯茲分校電腦科學系教授、美國人工智慧學會(AAAI)院士Lise Getoor講述了圖識別是如何依靠資料做出推理的,並給出了自己對於概率軟性邏輯PSL優越性和可能應用的看法。Lise Getoor表示我們還需要對圖進行更多的機器學習,考慮各種關聯結點之間的複雜關係。


640?wx_fmt=png&wxfrom=5&wx_lazy=1

加州大學聖克魯茲分校電腦科學系教授Lise Getoor 

640.png?wxfrom=5&wx_lazy=1

(以下為Lise Getoor教授分享的精簡版文字整理)


我們正淹沒在大資料的河流裡,大資料並非是平的,而是多模態、多關係、兼具時空、多媒體的。目前的AI技術,特別是機器學習,它將豐富複雜資料平放到矩陣的形式當中。我們當下所做的一些工作很可能忽視了資料當中的很多豐富資訊,其中很重要的一點就是錯誤假設了資料之間的相互關係。作為研究者和開發者,我們需要考慮到這些圖的結構和相關的環境因素。


我想首先和大家說說三種常見的圖資料推理模式,最簡單的一種叫做協同分類。如果一個圖的部分結點已經有標籤,我們就可以推理出其結點的標籤。社交網路就是很典型的例子,其中包含著非常豐富的資訊和聯絡,通過資訊和資料去做推理可以得出某位朋友的飲食習慣或其他偏好。基於資料在已有的資訊,設定不同的權重,我們能夠做一些簡單的推理,充分利用本地資訊和標籤,再去推理出一些之前沒有加入的標籤資訊。


0?wx_fmt=png


0?wx_fmt=jpeg


0?wx_fmt=png


0?wx_fmt=png


第二種叫做連結預測,我們不僅僅可以預測某一個結點的標籤,還可以推斷結點之間的連結。比如說有一個通訊網路,我們能夠通過通訊資訊推理出網路中所有人的層級,並通過不同種類的資訊判斷不同人之間的關係。

0?wx_fmt=png

0?wx_fmt=png

0?wx_fmt=png


0?wx_fmt=png


第三種是實體解析,任務是確定哪些結點指向同樣的實體,我們就能從中獲得一些資訊。


對我個人而言,我最喜歡的圖推理問題是圖識別(發現可觀察圖結構所潛含的真實圖結構),它能夠把上面提到的的三個小模型結合到一起。還是以郵件通訊網路為例,通過對郵件資訊進行推理就可以發現這幾個人之間的關係及角色。我們需要對每一個資訊進行研究,研究他們的實體狀況和郵件狀況。具體做法是首先對這些人進行分組,對之間的關係進行預測,並對實體身份做出判斷。這其中也存在非常大的挑戰,如何打造一個非常魯棒的演算法來理清其中的人物關係非常重要。


0?wx_fmt=png


0?wx_fmt=png


0?wx_fmt=png


0?wx_fmt=png


目前,統計學研究也在開發相應的演算法,例如概率性推理和關係推理。有一個工具叫概率軟性邏輯PSL,它是一種概率程式語言,即用描述性的語言對圖上的問題進行描述。這個基礎是,我們有屬性、關係的邏輯表示,還有規則和約束來捕捉他們的依賴關係。PSL是一個這樣的存在,它根據模板和資料來定義他們之間的概率分佈用於推斷。


PSL比較有意思的一點是,它通過將邏輯規則對映為凸函式,實現了大規模推斷的可擴充套件性。更有意思的是,這個對映的合理性是用已有的理論電腦科學的結論證明的,用MAX SAT的近似隨機演算法結合統計學、機器學習、圖模型方面的理論。之後我們就可以將從理論電腦科學當中的一些東西轉化到實際的圖識別應用當中去,最後將這種軟性的邏輯和AI進行結合,在不同的情景下,很多時候你們會得到同樣的優化結果。在我看來,我覺得我們現在能看到的這些東西僅僅是冰山一角,我們稱之為叫Hinge-loss馬爾科夫隨機域。在這裡有包含著很多具體微小的細節,每一個邏輯規則實際上都和某一個函式是相關的,相關的函式實際上都會造成一定的依賴損失。


0?wx_fmt=png


在圖識別領域,PSL在推理速度和準確度上的表現和離散的馬爾科夫規則相比都要更好,且從資料當中學習權重和變數的效果也更加出色。由此PSL可以衍生出很多具體的應用,首先是分類問題。以線上討論為例,PSL通過觀察大家討論的文字內容和行為資料,就能夠很好地來預測使用者的觀點。再比如大資料和AI領域常常需要聚合資訊做推薦、預測甚至打分,我們有來自社互動動、影象方面的各種資訊,其實這些資訊中存在一定的相似性。PSL的優勢就在於它具有非常好的擴充套件性,特別是邏輯相似性較高的情況下擴充套件也會更加容易。


另外一個領域可能和安全相關,通過研究社交媒體當中的垃圾郵件可以進行協同推斷,哪些可能是垃圾郵件。還有一個問題是如何把視覺的、文字的、關係的資料全部融合起來,去推測使用使用者的個性。我們把所有的資訊結合起來就能夠預測一些人口學特徵,比如性別、年齡,同時還可以預測人們在社交媒體當中的信任。


最後我想和大家分享有關知識圖的建構,如何獲取足夠多的資料來實現知識的自動架構是一項長期以來的挑戰。我們能夠結合統計學的資料資訊以及一些相對簡單的語義資訊,把它們和我開始提出的圖識別問題結合起來,並在做圖識別時找到它的結點、標籤以及結點之間的關係,在此之上可以再融入一些本體的限制,同時還可以融入一些關於資訊和其他來源的資料。把它們相結合能夠產生比較好的效果,而且速度可以得到顯著提升。


我們需要對圖進行更多的機器學習,考慮各種關聯結點之間的複雜關係。另外,當我們在做資料驅動技術時需要思考究竟什麼才是負責任的資料科學,如何檢查資料並通過演算法做出決策。我個人對PSL感到興奮的原因就在於它的邏輯規則確實比一大批權重或是引數的演算法更加容易解釋。這個領域會有一些隱私和安全性的問題,這值得我們進一步研究;相伴而生的還有很多機遇,有更多社會、商業、科學、安全以及其他方面的應用可以去發現、去探索。


想要了解Lise Getoor教授的演講全文,請戳下方視訊觀看:


相關文章