AdaTT：用于推荐中多任务学习的自适应任务融合网络
摘要：自适应任务对任务融合网络（AdaTT）：多任务学习旨在通过在多个任务上同时训练机器学习模型来提高性能和效率。然而，多任务学习研究面临两个挑战：1）有效地建模任务之间的关系以实现知识共享，2）共同学习任务特定和共享的知识。在本文中，我们提出了一种名为自适应任务对任务融合网络（AdaTT）的新模型，以解决这两个挑战。AdaTT是一个由多个层级上的任务特定和可选的共享融合单元构建的深层融合网络。通过利用残差机制和任务对任务融合的开关机制，这些单元自适应地学习共享知识和任务特定知识。为了评估AdaTT的性能，我们在公共基准和工业推荐数据集上使用各种任务组进行实验。结果表明，AdaTT在现有的最先进基准模型上表现明显优于。此外，我们的端到端实验表明，与其他替代方法相比，该模型表现出更好的性能。
作者：Danwei Li, Zhengyu Zhang, Siyang Yuan, Mingze Gao, Weilin Zhang, Chaofei Yang, Xi Liu, Jiyan Yang
论文ID：2304.04959
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-06-06