腾讯多任务模型MFH

最新推荐文章于 2023-09-25 07:45:36 发布

炼丹笔记

最新推荐文章于 2023-09-25 07:45:36 发布

阅读量755

点赞数

文章标签：机器学习人工智能深度学习 python 推荐系统

本文链接：https://blog.youkuaiyun.com/m0_52122378/article/details/124076045

版权

本文介绍了腾讯提出的Multi-Faceted Hierarchical Multi-Task Learning (MFH)模型，用于解决推荐系统中大量任务的多任务学习问题。MFH模型采用层级结构，能有效捕捉不同任务间的多维关系，并在实际工业数据集上表现出优越性能。模型通过Switcher结构处理不同用户行为任务，如播放率、完播率和跳出率预估，并解决了用户活跃度导致的过拟合和欠拟合问题。此外，MFH模型通过多视角学习进一步提升模型效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以往多任务学习(MTL)的研究都是针对小数量级任务做的,但是在推荐系统里需要对大数量的任务做multi-task的学习.举例来说,在推荐系统中会用MTL对用户多种行为进行建模,不同任务之间有着各种维度的相关性.所以这篇论文<Multi-Faceted Hierarchical Multi-Task Learning for a Large Number of Tasks with Multi-dimensional Relations>就提出了一个多视角层级MTL模型(MFH).使用层级结构可以充分挖掘出不同任务之间的关系并在工业数据集上也优于其他MTL模型.

一本有仙气的笔记，记录AI的不凡

PRELIMINARY

先介绍下MTL在工业场景下推荐系统里的应用.比如微视app,每天上千万人看视频,可供挑选的候选视频也有上千万,用户也会有各种各样的action,如点赞、踩、关注、评论、分享等,当用户滑过一个视频时就会推荐下一个,那用户的满意度就可以用在app的停留时长来衡量. 该文以3个task为例介绍多任务模型.

任务一(回归): 播放率预估