Modélisation des relations entre tâches dans l'apprentissage multi-tâches avec un mélange d'experts à plusieurs portes

L'apprentissage multi-tâches basé sur les réseaux neuronaux a été utilisé avec succès dans de nombreuses applications réelles à grande échelle, telles que les systèmes de recommandation. Par exemple, dans les recommandations de films, au-delà de fournir aux utilisateurs des films qu'ils tendent à acheter et à regarder, le système peut également optimiser les préférences des utilisateurs par rapport aux films après les avoir visionnés. Avec l'apprentissage multi-tâches, nous visons à construire un modèle unique qui apprend ces multiples objectifs et tâches simultanément. Cependant, la qualité des prédictions des modèles multi-tâches couramment utilisés est souvent sensible aux relations entre les tâches. Il est donc important d'étudier les compromis de modélisation entre les objectifs spécifiques aux tâches et les relations inter-tâches.