背景
多任务学习（通过一个模型学习多个目标）目前在推荐系统中已经得到了广泛的应用，期望通过不通任务之间的信息共享提升每个任务的学习效率。现实情况下，通常由于不同的任务之间存在比较复杂的关系，不通任务之间相互干扰，导致多任务学习中经常会出现负迁移(negative transfer)的现象。此外多任务学习通常还存在跷跷板现象(seesaw phenomenon)，即部分任务的学习效率提高了，而其他任务的学习效率却降低了，此消彼长。论文提出了Progressive Layered Extraction模型，来解决多任务学习的跷跷板现象，为多任务学习提供了新的思路。
腾讯视频推荐架构
单层模型结构CGC
多层模型结构PLE
参考资料
https://zhuanlan.zhihu.com/p/473828307
标签：模型,ple,学习,任务,腾讯,多任务 From： https://www.cnblogs.com/xumaomao/p/17231672.html