Гарантии обучения и эффективный вывод в задачах структурного предсказанияLearning guarantees and efficient inference for structured prediction

Машинное обучение восстанавливает и описывает эмпирические зависимости в данных. Классические примеры приложений машинного обучения, как правило, связаны с предсказанием скалярных величин в задачах регрессии и классификации. В то же время, в приложениях зачастую возникает необходимость предсказания совокупности взаимозависимых скалярных величин (например, совокупность слов в предложении или совокупность меток классов в маске сегментации). Структурная переменная - собирательный термин для такого рода целевых переменных, а подраздел машинного обучения, связанный с предсказанием структурных переменных, называется структурным предсказанием. Работа со структурными переменными накладывает ряд ограничений, связанных с комбинаторным ростом числа возможных предсказаний. Данная работа исследует калибровочные функции в задаче структурного предсказания, позволяя получить гарантии обучения без предположения о состоятельности целевой функции. Помимо этого, в рамках вероятностного подхода, разработаны градиентные оценки для работы со скрытыми структурными переменными в виде перестановок или подмножеств, а также рассмотрен ряд практических приложений.