基于任务权重自动优化的多任务序数回归算法

作者：曾梦岳; 肖燕珊; 刘波

来源：计算机应用研究, 2023, 1-7.

DOI：10.19734/j.issn.1001-3695.2023.08.0376

• 序数回归
• 多任务学习
• 权重优化

目前，只有少量面向多任务学习的序数回归方法。这些方法假设不同的任务具有相同的权重，对整体模型具有相同的贡献。然而，在真实应用中，不同任务对于整体模型的贡献往往是不同的。提出了一种基于任务权重自动优化的多任务序数回归算法。首先，提出了基于支持向量机的多任务序数回归模型，通过分类器参数共享，实现不同任务之间的信息迁移。其次，考虑到不同任务对整体模型可能具有不同贡献，赋予每个任务一个权重，这些权重将在学习过程中自动优化求解。最后，采用了启发式框架，交替地建立多任务序数回归模型和优化任务权重。实验结果表明，提出的方法相比于其他多任务序数回归方法，平均0-1误差降低了3.8%至12.3%，平均绝对误差降低了4.1%至11%。考虑了每个任务的不同权重，通过自动优化这些权重，降低了多任务序数回归模型的分类误差。

• 单位
  广东工业大学