多场景多目标总结

多场景存在问题

• 场景特征差异，训练样本以及训练梯度不一致
• 场景之间相互影响，有增益部分，也有互斥部分

如何解决上面这些问题：

• 公域特征抽象出来(用户画像，物品特征、全场景行为序列)，私域特征(场景特征行为特征，场景位置，版面等)
• 公域特征网络 + 每个私域场景一个特征网络(concatenate) + targetitem（统一特征表示）
• 单独场景标识(shadow tower)
  • 加到各个task tower,影响预估值

这样遵循公域特征和私域特征分离；私域场景也能使用到公域特征

多任务问题

• 任务之间的跷跷板

  • 特定任务专家网络+公共专家网络
    • 缓解任务之间的跷跷板
  • gate门控网络(统一特征)
    • 加权各个专家任务网络

• 场景和任务耦合(不同场景的task任务有差异，譬如有些场景只需要ctr,有些场景需要ctr,cvr任务)

  • 使用场景标识来mask掉任务，譬如A场景ctr,cvr；B场景ctr;训练B场景的样本时候需要mask掉cvr任务

  ---

  参考：https://www.51cto.com/article/794378.html