​KDD 2024 | 南大提出AutoMTL框架：基于神经网络架构搜索的多任务推荐方法

文章预览

©PaperWeekly 原创 · 作者 |  蒋申 单位 |  南京大学PASA大数据实验室 研究方向 |  自动化机器学习、推荐系统 论文标题： Automatic Multi-Task Learning Framework with Neural Architecture Search in Recommendations 论文地址： https://dl.acm.org/doi/10.1145/3637528.3671715 代码连接： https://github.com/PasaLab/AutoMTL 摘要 多任务学习（multi-task learning，MTL）旨在充分利用多个任务中包含的知识，提高所有任务整体性能，在推荐系统中已经得到了广泛应用。MTL 模型面临的主要挑战是负迁移问题。现有的 MTL 模型主要基于混合专家（mixture-of-experts，MoE）结构，通过特征选择和特定的专家共享模式设计来寻求性能提升。 然而，由于各种任务之间复杂的相关性和多样化的需求，单一的专家共享模式可能并不普遍适用。此外，这些模型中同质的专家架构进一步限制了它们的性能。 为了解决这些问题 ………………………………