多任务深度推荐系统：综述
信息检索
2023-02-10 v2
摘要
多任务学习（MTL）旨在统一模型中学习相关任务，借助共享知识实现任务间互促。由于对兼顾性能与效率的多任务预测的需求，它是推荐中的重要课题。尽管 MTL 已得到充分研究与发展，推荐领域仍缺乏系统性综述。为填补空白，我们在本综述中对现有多任务深度推荐系统（MTDRS）进行全面回顾。具体而言，首先给出 MTDRS 的问题定义，并将其与其他相关领域比较。接着描绘 MTDRS 的发展，并从任务关系与方法论两方面介绍分类体系。具体地，任务关系分为并行、级联以及辅助为主，而方法论分为参数共享、优化与训练机制。本综述最后总结了 MTDRS 的应用与公开数据集，并强调了该领域的挑战与未来方向。
引用
@article{arxiv.2302.03525,
title = {Multi-Task Deep Recommender Systems: A Survey},
author = {Yuhao Wang and Ha Tsz Lam and Yi Wong and Ziru Liu and Xiangyu Zhao and Yichao Wang and Bo Chen and Huifeng Guo and Ruiming Tang},
journal= {arXiv preprint arXiv:2302.03525},
year = {2023}
}