Apprendimento Multi-Task nei Sistemi di Raccomandazione Una Guida Introduttiva

Apprendimento Multi-Task nei Sistemi di Raccomandazione

La scienza e l’ingegneria dietro gli algoritmi che cercano di fare tutto

Anche se l’apprendimento multitask è stato ben consolidato nella visione artificiale e nell’elaborazione del linguaggio naturale, il suo utilizzo nei moderni sistemi di raccomandazione è ancora relativamente nuovo e quindi non molto compreso.

In questo post, approfondiremo alcune delle considerazioni di progettazione più importanti e delle recenti scoperte di ricerca nei raccomandatori multitask. Affronteremo

• perché abbiamo bisogno di sistemi di raccomandazione multitask in primo luogo,
• trasferimento positivo e negativo: la sfida chiave nei modelli multitask,
• condivisione rigida dei parametri e modellazione degli esperti, e
• apprendimento ausiliario: l’idea di aggiungere nuovi compiti con l’unico scopo di migliorare il compito principale.

Iniziamo.

Perché sistemi di raccomandazione multitask?

Il vantaggio chiave dei sistemi di raccomandazione multitask è la loro capacità di risolvere contemporaneamente più obiettivi aziendali. Ad esempio, in un sistema di raccomandazione video potremmo voler ottimizzare i clic, ma anche il tempo di visione, i mi piace, le condivisioni, i commenti o altre forme di coinvolgimento dell’utente. In una situazione del genere, un singolo modello multitask non solo è computazionalmente più economico di più modelli singoli per compito, ma può anche avere una maggiore accuratezza predittiva per compito.

• Come modellare la molteplice stagionalità nelle serie temporali
• Tutto ciò che devi sapere sull’apprendimento in contesto
• 10 Funzionalità Dalla Ricca Libreria Per Creare Fantastiche App da Linea di Comando

Anche nei casi in cui vogliamo solo prevedere un evento, come ad esempio un “acquisto” in un sistema di raccomandazione e-commerce, possiamo comunque aggiungere compiti aggiuntivi con l’unico scopo di migliorare le prestazioni del compito principale. Chiamiamo questi compiti aggiuntivi “compiti ausiliari” e questa forma di apprendimento “apprendimento ausiliario”. Nell’esempio dell’e-commerce, potrebbe avere senso imparare anche “aggiungi al carrello” e “aggiungi alla lista” insieme a “acquisto”, dato che tutti questi eventi sono strettamente correlati tra loro: indicano l’intento di acquisto.

Quali compiti imparano bene insieme?

Ad un livello più elevato, prevedere un secondo compito può aiutare il primo compito o fare il contrario: peggiorare la previsione del primo compito. Chiamiamo il primo caso “trasferimento positivo” e il…