跨任务塔深度互学习用于高效多任务推荐学习
信息检索
2023-09-20 v1
摘要
推荐系统通常利用多任务学习方法来同时优化多个目标，因为用户行为数据具有多面性。进行多任务学习的典型方式是在较低层建立适当的参数共享，同时在较高层为每个任务保留独立的任务塔。由于任务塔对预测结果有直接影响，我们认为独立任务塔的架构不利于促进正向知识共享。据此，我们提出跨任务塔深度互学习框架，该框架与多种骨干多任务网络兼容。我们进行了广泛的离线实验与在线AB测试，以评估并验证所提方法的有效性。
引用
@article{arxiv.2309.10357,
title = {Deep Mutual Learning across Task Towers for Effective Multi-Task Recommender Learning},
author = {Yi Ren and Ying Du and Bin Wang and Shenzheng Zhang},
journal= {arXiv preprint arXiv:2309.10357},
year = {2023}
}
备注
6 pages