深度针对任务的底层表示网络用于多任务推荐
原文中文,约300字,阅读约需1分钟。发表于: 。基于神经网络的多任务学习在推荐系统中取得了显著的改进,本文针对多任务学习中的负迁移问题,提出了一种名为 DTRN 的深度任务特定底层表示网络,通过参数高效的超网络,显式地获得每个任务的特定底层表示,并通过类似 SENet 的网络对特征表示进行改进,实现了任务之间的解耦和互不干扰。实验证明了 DTRN 的有效性,并在工业推荐系统中获得了显著的改进。
本文介绍了DTRN,一种用于解决多任务学习中负迁移问题的深度任务特定底层表示网络。DTRN通过超网络获取每个任务的特定底层表示,并通过类似SENet的网络改进特征表示,实现任务之间的解耦和互不干扰。实验证明了DTRN的有效性,并在工业推荐系统中取得了显著的改进。