一文汇总：推荐系统中多任务学习的优化思路

文章预览

点关注，不迷路，用心整理每一篇算法干货~ 后台留言” 交流 “， 加入圆圆算法交流群~ 后台回复“ 星球 ”加入 圆圆算法知识星球~ （ 已有 780+ 同学加入学习） 多任务学习是推荐系统中非常常见的一个问题 。推荐系统中，经常要对多个目标进行预测，比如点击率、转化率、观看时长等等。将这些任务联合学习，希望通过不同的监督信息，互相增强各自目标的拟合能力。但是同时，不同目标之间又不一定是正向关系，可能存在负向迁移问题，存在跷跷板现象。因此，如何最好的发挥多任务学习的作用，达到各个任务联合最优，一直是一个推荐系统领域的核心研究问题。 这篇文章就给大家汇总一下，推荐系统中常见的多任务学习解决思路。 整体可以分为参数共享/私有方式、梯度平衡、表征学习优化等几个方面 。 1 参数共享/私有方式 不同任务之 ………………………………