M3oE：多域多任务混合专家推荐框架
信息检索
2024-05-14 v3 人工智能
摘要
多域推荐和多任务推荐已显示其在充分利用不同领域和目标的共同信息以进行综合用户建模方面的有效性。然而，实际推荐场景通常同时面临多个领域和多个任务，当前方法难以妥善应对。为此，我们引入 M3oE，即一种自适应的多域多任务混合专家推荐框架。M3oE 集成多域信息，跨域和跨任务映射知识，并优化多个目标。我们利用三个混合专家模块分别学习通用、领域层面和任务层面的用户偏好，以以解耦方式处理多个领域和任务之间的复杂依赖。此外，我们设计了两级融合机制，以精确控制跨不同领域和任务的特征提取和融合。该框架通过应用 AutoML 技术进一步增强其适应性，实现动态结构优化。鉴于作者努力使 M3oE 在自适应方式上解决多域多任务推荐问题，为人类所熟知。大量在两个基准数据集上的实验对比 diverse 的基线方法表明 M3oE 性能卓越。实施代码已公开以确保可重复性。
引用
@article{arxiv.2404.18465,
title = {M3oE: Multi-Domain Multi-Task Mixture-of Experts Recommendation Framework},
author = {Zijian Zhang and Shuchang Liu and Jiaao Yu and Qingpeng Cai and Xiangyu Zhao and Chunxu Zhang and Ziru Liu and Qidong Liu and Hongwei Zhao and Lantao Hu and Peng Jiang and Kun Gai},
journal= {arXiv preprint arXiv:2404.18465},
year = {2024}
}