学会多任务学习
机器学习
2018-05-22 v1 人工智能
机器学习
摘要
多任务学习在许多应用中已展现出有前景的性能，且已提出众多多任务模型。为针对给定多任务问题识别有效的多任务模型，我们提出一种称为学会多任务学习（L2MT）的学习框架。为实现该目标，L2MT 利用历史多任务经验，其组织为一个训练集，由若干元组构成，每个元组包含一个具有多个任务的多任务问题、一个多任务模型以及相对测试误差。基于此类训练集，L2MT 首先使用所提出的层wise图神经网络（layerwise graph neural network）学习多任务问题中所有任务的嵌入，然后基于统一表述学习一个估计函数，以根据任务嵌入和多任务模型的表示来估计相对测试误差。给定新的多任务问题，该估计函数用于识别合适的多任务模型。在基准数据集上的实验显示了所提 L2MT 框架的有效性。
引用
@article{arxiv.1805.07541,
title = {Learning to Multitask},
author = {Yu Zhang and Ying Wei and Qiang Yang},
journal= {arXiv preprint arXiv:1805.07541},
year = {2018}
}