【AAAI2022】多任务推荐中的跨任务知识提炼数据派THU共 621字,需浏览 2分钟 ·2022-03-02 02:37 来源:专知本文为论文,建议阅读5分钟多任务学习已广泛应用于现实世界的推荐者。多任务学习已广泛应用于现实世界的推荐者,以预测不同类型的用户反馈。之前的大多数工作都集中在为底层设计网络架构,作为一种共享输入特征表示知识的手段。然而,由于它们采用特定于任务的二进制标签作为训练的监督信号,关于如何准确地对物品进行排序的知识并没有在任务之间完全共享。本文旨在增强多任务个性化推荐优化目标的知识迁移。我们提出了一个跨任务知识蒸馏(Cross-Task Knowledge精馏)的推荐框架,该框架由三个步骤组成。1) 任务增强: 引入具有四元损失函数的辅助任务来捕获跨任务的细粒度排序信息,通过保留跨任务一致性知识来避免任务冲突; 2) 知识蒸馏: 我们设计了一种基于增强任务的知识蒸馏方法来共享排序知识,其中任务预测与校准过程相结合; 3) 模型训练: 对教师和学生模型进行端到端训练,采用新颖的纠错机制,加快模型训练速度,提高知识质量。在公共数据集和我们的生产数据集上进行了综合实验,验证了CrossDistil的有效性和关键组件的必要性。https://arxiv.org/abs/2202.09852 浏览 9点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 【推荐系统】AAAI2022推荐系统论文集锦机器学习初学者0知识蒸馏在推荐系统中的应用小白学视觉0推荐一个开源的任务管理工具Java后端技术0Dask多任务并行编程与任务调度Dask是一个用于分析计算的灵活的并行计算库。Dask由两个组件组成:动态任务调度优化计算。这类似于Airflow、Luigi、Celery或Make,但是针对交互式计算工作负载进行了优化。“大数据”产品知识!今日推荐阅读的!唧唧歪歪PM0【推荐系统】基于知识图谱的推荐系统总结机器学习初学者0Dask多任务并行编程与任务调度Dask多任务并行编程与任务调度0KPRN知识图谱路径的推荐模型KPRN 由 eBay 开源,是一个知识图谱路径的推荐模型(Reasoning Over KnowlKPRN知识图谱路径的推荐模型KPRN由eBay开源,是一个知识图谱路径的推荐模型(ReasoningOverKnowledgeGraphPathsforRecommendation)。它广泛使用机器学习技术,有助于媒体等项目对推机器视觉中的光学知识新机器视觉0点赞 评论 收藏 分享 手机扫一扫分享分享 举报