排序层-深度模型-2020:PLE【多任务学习模型】【腾讯】

PLE模型是腾讯发表在RecSys ’20上的文章,这篇paper获得了recsys’20的best paper award,也算为腾讯脱离技术贫民的大业添砖加瓦了。这篇文章号称极大的缓解了多任务学习中存在的两大顽疾:负迁移(negative transfer)现象和跷跷板(seesaw phenomenon),由此带来了相比较其他MTL模型比较大的性能提升。从论文呈现的实验结果也确实是这样的,但从模型结构上来看,更像是大力出奇迹,即性能的提升是由参数量变多而带来的(仅仅是个人看法~)。这篇paper能拿best paper,一方面是实验结果所呈现出来的比较大的性能提升,另一方面是数据分析做的很好,实验做的也很全,因此看起来工作做的很扎实,这是非常值得学习的地方。




参考资料:
推荐系统(十六)多任务学习:腾讯PLE模型(Progressive Layered Extraction model)
多目标模型结构PLE详解和效果分析
多任务学习模型MTL: MMoE、PLE

你可能感兴趣的:(#,RS/排序层,推荐系统,PLE,多任务学习)