基于参数解耦和图卷积网络的多任务推荐方法及电子设备
知识产权简介
本系统将参数解耦和图神经网络运用于多任务推荐系统中,从而减少负迁移和跷跷板现象并防止门控网络崩溃。本系统对多专家混合模型的单个专家的多层感知机内部进行参数解耦,将单个权重解耦成共享权重和任务独享权重,缓解了梯度传递到专家内部时的冲突,从而减少了负迁移和跷跷板现象。同时,本系统对多专家混合模型的门控网络加入了图神经网络的聚合,让生成的专家权重更为平缓,防止了门控网络的崩溃。
本系统将参数解耦和图神经网络运用于多任务推荐系统中,从而减少负迁移和跷跷板现象并防止门控网络崩溃。本系统对多专家混合模型的单个专家的多层感知机内部进行参数解耦,将单个权重解耦成共享权重和任务独享权重,缓解了梯度传递到专家内部时的冲突,从而减少了负迁移和跷跷板现象。同时,本系统对多专家混合模型的门控网络加入了图神经网络的聚合,让生成的专家权重更为平缓,防止了门控网络的崩溃。