计算机科学与探索

作者：温民伟, 梅红岩, 袁凤源, 张晓宇, 张兴

单位：辽宁工业大学 电子与信息工程学院，辽宁 锦州 121001

关键词：推荐系统,多任务学习,多任务推荐

单任务推荐算法存在数据稀疏、冷启动和推荐效果不稳定等问题。多任务推荐算法可以将多种类型的用户行为数据和额外信息进行联合建模，从而更好地挖掘用户的兴趣和需求，以提高推荐效果和用户满意度，为解决单任务推荐算法存在的一系列问题提供了新思路。首先，梳理了多任务推荐算法的发展背景与趋势。其次，介绍了多任务推荐算法的实现步骤以及构建原则，并阐述了多任务学习具有数据增强、特征识别、特征互补和正则化效应等优势。然后，对不同共享模式的多任务学习方法在推荐算法中的应用进行了介绍，并对部分经典模型的优缺点及任务之间的关系进行了归纳总结。接着，介绍了多任务推荐算法常用的数据集和评估指标，并阐述了与其他推荐算法在数据集合评估指标方面的区别和联系。最后，指出多任务学习存在负迁移、参数优化冲突、可解释性差等不足，对多任务推荐算法与强化学习、凸函数优化方法、异构信息网络相结合进行了展望。

来源：2024年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第2期