双感知门控交互的多任务推荐模型

作者：林建; 吴云; 陈育康

来源：计算机科学与探索, 2021, 1-12.

• 多任务
• 双感知专家层
• 门控交互层
• 推荐模型

针对多任务推荐中存在负迁移的问题，提出一种双感知门控交互的多任务推荐模型（dual perception gated interaction for multi-task recommendation model， DPGI-MTRM）。首先，在多任务共享网络和专有网络中，创新性地设计了双感知特征提取模块（称为双感知专家层），其作用是对输入特征得到元素级和向量级的双感知特征表示。其次，在门控网络的基础上提出了任务交互层，对经过门控网络输出的特征进行交互计算提取任务之间的高级语义相关性，同时采用残差方式加上原始输入门控的特征向量减少任务交互可能带来的噪音干扰。最后，通过堆叠双感知专家层、门控交互层，然后连接特定任务的神经网络输出层得到双感知门控交互的多任务推荐模型。此外，在模型训练时使用了梯度归一化的多目标优化方法，使该模型能更好地收敛。实验结果表明，在Census-income、Synthetic Data和Ali-CCP数据集上进行实验，采用AUC（area under curve）和MSE（mean square error）指标进行评估，提出的模型表现优于其他基准模型，达到较为先进的性能。

• 单位
  贵州大学