1. 概述

在现如今的推荐系统或者搜索中，都存在多个目标，多目标的算法在现如今的系统中已然成为了标配。在多目标的建模过程中，如果不同的学习任务之间较为相关时，多个任务之间可以共享一部分的信息，这样最终能够提升整体的模型学习效果。但是如果多个任务之间的相关性并不强，或者说多个任务之间存在某种冲突，这样通过部分的共享就会起到事与愿违的效果，这便是通常所说的在多任务建模中出现的负迁移（negative transfer）现象，即在相关性不强或者无相关性的多任务环境下进行信息共享，最终影响整体的网络效果，MMoE[1]便是在这样的情况下被提出。在MMoE中，通过共享多个专家（expert）实现信息的共享，同时针对每一个上层任务（task）都有对应的门控函数（gate），学习到多个专家对于特定任务的贡献程度，即专家的分布。以此，实现了对任务之间的关联和区别的学习。

然而，在多任务建模过程中，还存在另外一种现象，称为跷跷板现象（seesaw phenomenon）。简单来说，跷跷板现象就是在对多个目标进行优化的过程中，一个任务指标的提升伴随着另外一些任务指标的下降。出现这种现象的主要原因是多个任务之间出现较多的共享，MMoE算法中也不能有效解决这样的一个问题。PLE（Progressive Layered Extraction）[2]模型在MMoE的基础上通过对共享的网络结构优化，在原先的共享部分，又增加了task-specific的部分，同时，为了增强网络的效果，构造了多层的网络结构。

2. 算法原理

2.1. Customized Gate Control

为解决上述提出的两个问题，参考[2]中首先提出了CGC（Customized Gate Control）网络。在CGC网络中，在共享专家网络的基础上，又针对特定的任务有特定的专家网络，以此增强每个任务的效果。CGC的网络结构如下图所示：

在CGC的网络结构中，其底层网络包括了shared experts和task-specific expert两个部分，且每一个expert部分都是由多个expert组成，上层针对每一个任务都有一个门控网络，且门控网络的输入是共享的experts和该任务对应的experts。由此可见，在CGC网络中，既包含了task-specific网络针对特定任务独有的信息，也包含了shared网络共享的信息，以上图为例，假设$\left[E_{\left(k,1\right)}^T,E_{\left(k,2\right)}^T,\cdots ,E_{\left(k,m_k\right)}^T\right]$为指定任务$k$对应的多个专家的输出，$\left[E_{\left(s,1\right)}^T,E_{\left(s,2\right)}^T,\cdots ,E_{\left(s,m_s\right)}^T\right]$为共享部分的多个专家的输出，这两个输出组合成上层门控网络的输入$S^k\left(x\right)$：

$$S^k\left(x\right)=\left[E_{\left(k,1\right)}^T,E_{\left(k,2\right)}^T,\cdots ,E_{\left(k,m_k\right)}^T,E_{\left(s,1\right)}^T,E_{\left(s,2\right)}^T,\cdots ,E_{\left(s,m_s\right)}^T\right]$$

门控网络的计算输出$g^k\left(x\right)$为：

$$g^k\left(x\right)=w^k\left(x\right)S^k\left(x\right)$$

其中，$w^k\left(x\right)=Softmax\left(W_g^{k}x\right)$，且$W_g^k\in {\mathbb{R}}^{\left(m_k+m_s\right)\times d}$。

2.2. Progressive Layered Extraction

在深度学习中，为了使得模型能够具有更好的泛化能力，通常的方法是构建更深的网络。同样，为了能够得到更具有泛化能力的网络，可以将上述网络构建得更深，这便有了PLE结构。简单来说，PLE结构可以看做是CGC网络结构的扩展，由single-level的CGC衍生为multi-level的PLE。具体的PLE网络结构如下图所示：

与CGC网络相比，除了第一个Extraction Network的输入是原始的Input，其余的Extraction Network的输入是上一个Extraction Network的输出，即包含两个大的部分，即特定任务对应的专家网络输出，如上图中的Experts A和Experts B的输出，另外一个是共享专家网络的输出，如上图中的Experts Shared的输出。

2.3. 损失函数

在多任务重，其损失函数为各任务损失的加权求和，即为：

$$L_k\left({\theta }_1,\cdots ,{\theta }_K,{\theta }_s\right)=\sum _{k=1}^K{\omega }_k{L}_k\left({\theta }_k,{\theta }_s\right)$$

其中，${\omega }_k$为第$k$个任务的权重，对于权重的设置，参考[2]中给出了如下的迭代公式：

$${\omega }_k^{\left(t\right)}={\omega }_{k,0}\times {\gamma }_k^t$$

其中，${\gamma }_k$为更新率。对于任务$k$的损失函数$L_k\left({\theta }_k,{\theta }_s\right)$，参考[2]中给出了如下的公式：

$$L_k\left({\theta }_k,{\theta }_s\right)=\frac{1}{{\sum }_i{\delta }_k^i}\sum _i{\delta }_k^{i}los{s}_k\left({\hat{y}}_k^i\left({\theta }_k,{\theta }_s\right),y_k^i\right)$$

因为存在不同任务上的样本空间不一致的问题，因此在特定的任务中计算损失函数时，选择在其空间上的样本，即对于${\delta }_k^i$，其取值为$0$或者$1$，表示的是第$i$个样本是否属于第$k$个任务的样本空间。

3. 总结

为了解决多任务模型中普遍存在的负迁移和跷跷板现象，在MMoE模型的基础上提出了CGC模型，在共享专家的基础上增加了针对特定任务的专家网络，可以针对特定任务学习到独有的网络部分，从而避免任务之间的相互影响，同时为了进一步提升整体网络的泛化效果，在CGC的基础上通过堆叠Extraction Network构造了更深的网络结构，进一步提升多任务模型的学习效果。

参考文献

[1] Ma J, Zhao Z, Yi X, et al. Modeling task relationships in multi-task learning with multi-gate mixture-of-experts[C]//Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. 2018: 1930-1939.

[2] Tang H, Liu J, Zhao M, et al. Progressive layered extraction (ple): A novel multi-task learning (mtl) model for personalized recommendations[C]//Fourteenth ACM Conference on Recommender Systems. 2020: 269-278.