多场景多任务学习在美团到店餐饮推荐的实践

总第556篇2023年 第008篇美团到店餐饮算法团队在跨域迁移学习的长期实践中，基于多场景的业务背景，提出了分层信息抽取网络，提升了多场景多任务的建模效果。相关技术方案形成的学术论文已经被国际数据工程会议ICDE 2023收录，本文详细阐述了多场景多任务学习的解决方案，希望能给从事相关方向研究的同学带来一些帮助或启发。1. 背景2. 层次化信息抽取网络2.1 问题定义2.2 方法介绍2.3 训练目标3. 实验3.1 实验设置3.2 性能比较3.3 消融研究3.4 在线A/B测试4. 总结与展望随着推荐算法技术的不断发展，跨场景学习已经受到了越来越多的研究人员的关注。美团到餐算法团队受到业界相关技术的启发，不断探索到店餐饮多场景推荐的优化问题，在多场景多任务学习的推荐领域中积累了较多的应用经验。团队使用到店餐饮全域推荐场景数据训练统一的多场 ………………………………