【技术实现步骤摘要】
本申请涉及人工智能领域，尤其涉及一种多任务推荐模型的训练方法、装置、电子设备及存储介质。
技术介绍
1、多任务推荐系统是一种能够同时处理多个不同推荐任务的先进系统，为用户推荐商品的同时，还可以推荐广告、视频等多样化内容。
2、在多任务推荐模型中，多任务学习(multi-task learning，mtl)是一种非常有用的方法。它主要是通过同时学习多个相关任务来改进模型的性能。现有的多任务学习方法，如多门混合专家(multi-gatemixture-of-experts，mmoe)和渐进式分层提取(progressivelayered extraction，ple)，通常采用软门控机制来实现参数共享。该机制允许模型根据任务的需求动态地调整参数的使用。通过这种方式，模型可以隐式地学习一个通用的底层表示，这个表示可以用于不同的推荐任务。但是，当任务之间存在显著的差异或冲突时，这种软门控机制的共享底层表示会出现相互干扰，进而出现负迁移问题，导致底层表示的质量降低，从而降低捕捉任务特定特征的能力，影响模型的推荐准确性。
>技术实本文档来自技高网...
【技术保护点】
1.一种多任务推荐模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述超网络模块从所述多个推荐任务的用户序列中提取每个任务的用户兴趣，生成各任务的表示学习网络权重，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述各任务的表示学习网络权重，利用任务特定底层表示模块得到各任务的任务特定底层表示，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用任务特定特征选择模块为各任务分配特征重要性向量，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述各任务的任务特定...
【技术特征摘要】
1.一种多任务推荐模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述超网络模块从所述多个推荐任务的用户序列中提取每个任务的用户兴趣，生成各任务的表示学习网络权重，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述各任务的表示学习网络权重，利用任务特定底层表示模块得到各任务的任务特定底层表示，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用任务特定特征选择模块为各任务分配特征重要性向量，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述各任务的任务特定底层表示和所述特征重要性向量作为多任务网络的输入，利用所述多任务网络输出各任务的输出向量，包括：
6.根据权利要求5所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：闫培，杜梦雪，
申请(专利权)人：北京龙智数科科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。