推荐系统中的多任务学习（—）

什么是多任务学习

多任务学习旨在共同学习多个任务，探索多个任务间通用的可共享的信息和任务特有的信息。从人类的学习过程来看，往往我们在学习一个新的任务时，会应用已有的知识。

什么时候需要多任务学习

• 多目标优化，例如电商推荐中，ctr和cvr以及price都是不同的优化目标，但是它们彼此之间肯定不应该是孤立的，尤其是ctr和cvr本身就天然存在贝叶斯关联。分开各自训练一个模型，不但会割裂它们之间的联系，也会带来严重的预测偏差
• 存在关联的多场景，例如电商推荐中，购后的链路就存在多个场景，它们彼此都属于购后的推荐，存在共同的目标，但是各个场景存在样本上以及行为上的差异。举个简单的例子场景a流量很大，很容易就采集样本去训练一个完备的模型用来推荐，但是场景b流量很小，不足以去完成一个模型的学习，这是就需要场景a和场景b联合训练

Hard and Soft parameter sharing