大家在做模型的時候，往往關(guān)注一個特定指標(biāo)的優(yōu)化，如做點擊率模型，就優(yōu)化AUC，做二分類模型，就優(yōu)化f-score。然而，這樣忽視了模型通過學(xué)習(xí)其他任務(wù)所能帶來的信息增益和效果上的提升。通過在不同的任務(wù)中共享向量表達，我們能夠讓模型在各個任務(wù)上的泛化效果大大提升。這個方法就是我們今天要談?wù)摰闹黝}-多任務(wù)學(xué)習(xí)（MTL）。

所以如何判定是不是多任務(wù)學(xué)習(xí)呢？不需要看模型結(jié)構(gòu)全貌，只需要看下loss函數(shù)即可，如果loss包含很多項，每一項都是不同目標(biāo)，這個模型就是在多任務(wù)學(xué)習(xí)了。有時，雖然你的模型僅僅是優(yōu)化一個目標(biāo)，同樣可以通過多任務(wù)學(xué)習(xí)，提升該模型的泛化效果。比如點擊率模型，我們可以通過添加轉(zhuǎn)化樣本，構(gòu)建輔助loss（預(yù)估轉(zhuǎn)化率），從而提升點擊率模型的泛化性。

為什么多任務(wù)學(xué)習(xí)會有效？舉個例子，一個模型已經(jīng)學(xué)會了區(qū)分顏色，如果直接把這個模型用于蔬菜和肉類的分類任務(wù)呢？模型很容易學(xué)到綠色的是蔬菜，其他更大概率是肉。正則化算不算多任務(wù)？正則化的優(yōu)化的loss不僅有本身的回歸/分類產(chǎn)生的loss，還有l(wèi)1/l2產(chǎn)生的loss，因為我們認(rèn)為“正確且不過擬合”的模型的參數(shù)應(yīng)該稀疏，且不易過大，要把這種假設(shè)注入到模型中去學(xué)習(xí)，就產(chǎn)生了正則化項，本質(zhì)也是一個額外的任務(wù)。

MTL兩個方法

第一種是hard parameter sharing，如下圖所示：

比較簡單，前幾層dnn為各個任務(wù)共享，后面分離出不同任務(wù)的layers。這種方法有效降低了過擬合的風(fēng)險： 模型同時學(xué)習(xí)的任務(wù)數(shù)越多，模型在共享層就要學(xué)到一個通用的嵌入式表達使得每個任務(wù)都表現(xiàn)較好，從而降低過擬合的風(fēng)險。

第二種是soft parameter sharing，如下圖所示：

在這種方法下，每個任務(wù)都有自己的模型，有自己的參數(shù)，但是對不同模型之間的參數(shù)是有限制的，不同模型的參數(shù)之間必須相似，由此會有個distance描述參數(shù)之間的相似度，會作為額外的任務(wù)加入到模型的學(xué)習(xí)中，類似正則化項。

多任務(wù)學(xué)習(xí)能提效，主要是由于以下幾點原因：

隱式數(shù)據(jù)增強：每個任務(wù)都有自己的樣本，使用多任務(wù)學(xué)習(xí)的話，模型的樣本量會提升很多。而且數(shù)據(jù)都會有噪聲，如果單學(xué)A任務(wù)，模型會把A數(shù)據(jù)的噪聲也學(xué)進去，如果是多任務(wù)學(xué)習(xí)，模型因為要求B任務(wù)也要學(xué)習(xí)好，就會忽視掉A任務(wù)的噪聲，同理，模型學(xué)A的時候也會忽視掉B任務(wù)的噪聲，因此多任務(wù)學(xué)習(xí)可以學(xué)到一個更精確的嵌入表達。

注意力聚焦：如果任務(wù)的數(shù)據(jù)噪聲非常多，數(shù)據(jù)很少且非常高維，模型對相關(guān)特征和非相關(guān)特征就無法區(qū)分。多任務(wù)學(xué)習(xí)可以幫助模型聚焦到有用的特征上，因為不同任務(wù)都會反應(yīng)特征與任務(wù)的相關(guān)性。

特征信息竊取：有些特征在任務(wù)B中容易學(xué)習(xí)，在任務(wù)A中較難學(xué)習(xí)，主要原因是任務(wù)A與這些特征的交互更為復(fù)雜，且對于任務(wù)A來說其他特征可能會阻礙部分特征的學(xué)習(xí)，因此通過多任務(wù)學(xué)習(xí)，模型可以高效的學(xué)習(xí)每一個重要的特征。

表達偏差：MTL使模型學(xué)到所有任務(wù)都偏好的向量表示。這也將有助于該模型推廣到未來的新任務(wù)，因為假設(shè)空間對于足夠多的訓(xùn)練任務(wù)表現(xiàn)良好，對于學(xué)習(xí)新任務(wù)也表現(xiàn)良好。

正則化：對于一個任務(wù)而言，其他任務(wù)的學(xué)習(xí)都會對該任務(wù)有正則化效果。

多任務(wù)深度學(xué)習(xí)模型

Deep Relationship Networks：從下圖，我們可以看到卷積層前幾層是預(yù)訓(xùn)練好的，后幾層是共享參數(shù)的，用于學(xué)習(xí)不同任務(wù)之間的聯(lián)系，最后獨立的dnn模塊用于學(xué)習(xí)各個任務(wù)。

Fully-Adaptive Feature Sharing：從另一個極端開始，下圖是一種自底向上的方法，從一個簡單的網(wǎng)絡(luò)開始，并在訓(xùn)練過程中利用相似任務(wù)的分組準(zhǔn)則貪婪地動態(tài)擴展網(wǎng)絡(luò)。貪婪方法可能無法發(fā)現(xiàn)一個全局最優(yōu)的模型，而且只將每個分支分配給一個任務(wù)使得模型無法學(xué)習(xí)任務(wù)之間復(fù)雜的交互。

cross-stitch Networks： 如上文中所談到的soft parameter sharing，該模型是兩個完全分離的模型結(jié)構(gòu)，該結(jié)構(gòu)用了cross-stitch單元去讓分離的模型學(xué)到不同任務(wù)之間的關(guān)系，如下圖所示，通過在pooling層和全連接層后分別增加cross-stitch對前面學(xué)到的特征表達進行線性融合，再輸出到后面的卷積/全連接模塊。

A Joint Many-Task Model：如下圖所示，預(yù)定義的層級結(jié)構(gòu)由各個NLP任務(wù)組成，低層級的結(jié)構(gòu)通過詞級別的任務(wù)學(xué)習(xí)，如此行分析，組塊標(biāo)注等。中間層級的結(jié)構(gòu)通過句法分析級別的任務(wù)學(xué)習(xí)，如句法依存。高層級的結(jié)構(gòu)通過語義級別的任務(wù)學(xué)習(xí)。

weighting losses with uncertainty：考慮到不同任務(wù)之間相關(guān)度的不確定性，基于高斯似然最大化的多任務(wù)損失函數(shù)，調(diào)整每個任務(wù)在成本函數(shù)中的相對權(quán)重。結(jié)構(gòu)如下圖所示，對像素深度回歸、語義和實例分割。

sluice networks： 下圖模型概括了基于深度學(xué)習(xí)的MTL方法，如硬參數(shù)共享和cross-stitch網(wǎng)絡(luò)、塊稀疏正則化方法，以及最近創(chuàng)建任務(wù)層次結(jié)構(gòu)的NLP方法。該模型能夠?qū)W習(xí)到哪些層和子空間應(yīng)該被共享，以及網(wǎng)絡(luò)在哪些層學(xué)習(xí)了輸入序列的最佳表示。

ESSM： 在電商場景下，轉(zhuǎn)化是指從點擊到購買。在CVR預(yù)估時候，我們往往會遇到兩個問題：樣本偏差和數(shù)據(jù)系數(shù)問題。樣本偏差是指訓(xùn)練和測試集樣本不同，拿電商舉例，模型用點擊的數(shù)據(jù)來訓(xùn)練，而預(yù)估的卻是整個樣本空間。數(shù)據(jù)稀疏問題就更嚴(yán)重了，本身點擊樣本就很少，轉(zhuǎn)化就更少了，所以可以借鑒多任務(wù)學(xué)習(xí)的思路，引入輔助學(xué)習(xí)任務(wù)，擬合pCTR和pCTCVR（pCTCVR = pCTR * pCVR），如下圖所示：

對于pCTR來說，可將有點擊行為的曝光事件作為正樣本，沒有點擊行為的曝光事件作為負(fù)樣本

對于pCTCVR來說，可將同時有點擊行為和購買行為的曝光事件作為正樣本，其他作為負(fù)樣本

對于pCVR來說，只有曝光沒有點擊的樣本中的梯度也能回傳到main task的網(wǎng)絡(luò)中

另外這兩個子網(wǎng)絡(luò)的embedding層是共享的，由于CTR任務(wù)的訓(xùn)練樣本量要遠(yuǎn)超過CVR任務(wù)的訓(xùn)練樣本量，從而能夠緩解訓(xùn)練數(shù)據(jù)稀疏性問題。

DUPN：模型分為行為序列層、Embedding層、LSTM層、Attention層、下游多任務(wù)層（CTR、LTR、時尚達人關(guān)注預(yù)估、用戶購買力度量）。如下圖所示

MMOE： 如下圖所示，模型（a）最常見，共享了底層網(wǎng)絡(luò)，上面分別接不同任務(wù)的全連接層。模型（b）認(rèn)為不同的專家可以從相同的輸入中提取出不同的特征，由一個Gate（類似） attention結(jié)構(gòu)，把專家提取出的特征篩選出各個task最相關(guān)的特征，最后分別接不同任務(wù)的全連接層。MMOE的思想就是對于不同任務(wù)，需要不同專家提取出的信息，因此每個任務(wù)都需要一個獨立的gate。

PLE：即使通過MMoE這種方式減輕負(fù)遷移現(xiàn)象，蹺蹺板現(xiàn)象仍然是廣泛存在的（蹺蹺板現(xiàn)象指多任務(wù)之間相關(guān)性不強時，信息共享就會影響模型效果，會出現(xiàn)一個任務(wù)泛化性變強，另一個變?nèi)醯默F(xiàn)象）。PLE的本質(zhì)是MMOE的改進版本，有些expert是任務(wù)專屬，有些expert是共享的，如下圖CGC架構(gòu)，對于任務(wù)A而言，通過A的gate把A的expert和共享的expert進行融合，去學(xué)習(xí)A。

最終PLE結(jié)構(gòu)如下，融合了定制的expert和MMOE，堆疊多層CGC架構(gòu)，如下所示：

參考文獻

1. An overview of multi-task learning in deep neural networks. Retireved from https://arxiv.org/pdf/1706.05098.pdf

2. Long， M.， & Wang， J. （2015）。 Learning Multiple Tasks with Deep Relationship Networks. arXiv Preprint arXiv:1506.02117. Retrieved from http://arxiv.org/abs/1506.02117

3. Lu， Y.， Kumar， A.， Zhai， S.， Cheng， Y.， Javidi， T.， & Feris， R. （2016）。 Fully-adaptive Feature Sharing in Multi-Task Networks with Applications in Person Attribute Classification. Retrieved from http://arxiv.org/abs/1611.05377

4. Misra， I.， Shrivastava， A.， Gupta， A.， & Hebert， M. （2016）。 Cross-stitch Networks for Multi-task Learning. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. https://doi.org/10.1109/CVPR.2016.433

5. Hashimoto， K.， Xiong， C.， Tsuruoka， Y.， & Socher， R. （2016）。 A Joint Many-Task Model： Growing a Neural Network for Multiple NLP Tasks. arXiv Preprint arXiv:1611.01587. Retrieved from http://arxiv.org/abs/1611.01587

6. Yang， Y.， & Hospedales， T. （2017）。 Deep Multi-task Representation Learning： A Tensor Factorisation Approach. In ICLR 2017. https://doi.org/10.1002/joe.20070

7. Ruder， S.， Bingel， J.， Augenstein， I.， & S?gaard， A. （2017）。 Sluice networks： Learning what to share between loosely related tasks. Retrieved from http://arxiv.org/abs/1705.08142

8. Entire Space Multi-Task Model： An Effective Approach forEstimating Post-Click Conversion Rate. Retrieved from： https://arxiv.org/pdf/1804.07931.pdf

9. Perceive Your Users in Depth： Learning Universal User Representations from Multiple E-commerce Tasks. Retrieved from： https://arxiv.org/pdf/1805.10727.pdf
編輯：lyn