Hierarchical Task-aware Multi-Head Attention Network

计算机科学 任务(项目管理) 一般化 多任务学习 人工智能 机器学习 人工神经网络 多样性(控制论) 任务分析 代表(政治) 政治 数学分析 经济 数学 管理 法学 政治学
作者
Jing Du,Lina Yao,Xianzhi Wang,Bin Guo,Zhiwen Yu
标识
DOI:10.1145/3477495.3531781
摘要

Neural Multi-task Learning is gaining popularity as a way to learn multiple tasks jointly within a single model. While related research continues to break new ground, two major limitations still remain, including (i) poor generalization to scenarios where tasks are loosely correlated; and (ii) under-investigation on global commonality and local characteristics of tasks. Our aim is to bridge these gaps by presenting a neural multi-task learning model coined Hierarchical Task-aware Multi-headed Attention Network (HTMN). HTMN explicitly distinguishes task-specific features from task-shared features to reduce the impact caused by weak correlation between tasks. The proposed method highlights two parts: Multi-level Task-aware Experts Network that identifies task-shared global features and task-specific local features, and Hierarchical Multi-Head Attention Network that hybridizes global and local features to profile more robust and adaptive representations for each task. Afterwards, each task tower receives its hybrid task-adaptive representation to perform task-specific predictions. Extensive experiments on two real datasets show that HTMN consistently outperforms the compared methods on a variety of prediction tasks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
嗯啊完成签到,获得积分10
刚刚
酷波er应助immm采纳,获得10
1秒前
优雅含莲完成签到 ,获得积分10
1秒前
呜啦啦完成签到,获得积分10
2秒前
2秒前
lulu8809完成签到,获得积分10
5秒前
5秒前
二十五完成签到,获得积分10
6秒前
romeo完成签到,获得积分10
7秒前
kaka完成签到 ,获得积分10
7秒前
Akim应助xialuoke采纳,获得10
7秒前
昏睡的蟠桃应助guoxingliu采纳,获得200
8秒前
慕容松完成签到,获得积分10
9秒前
romeo发布了新的文献求助10
9秒前
ss_hHe完成签到,获得积分10
10秒前
10秒前
11秒前
zjcomposite完成签到,获得积分10
11秒前
nn发布了新的文献求助10
11秒前
css完成签到,获得积分10
11秒前
大橙子发布了新的文献求助10
12秒前
1111完成签到,获得积分10
12秒前
敏er好学完成签到,获得积分10
13秒前
细腻的谷秋完成签到 ,获得积分10
13秒前
独特的易形完成签到,获得积分10
14秒前
yangyangyang完成签到,获得积分0
17秒前
yirenli完成签到,获得积分10
18秒前
叶子完成签到 ,获得积分10
18秒前
angel完成签到,获得积分10
20秒前
正经大善人完成签到,获得积分10
22秒前
动听的秋白完成签到 ,获得积分10
23秒前
汉堡包应助biofresh采纳,获得30
23秒前
自然归尘完成签到 ,获得积分10
24秒前
缓慢海蓝完成签到 ,获得积分10
26秒前
liyiren完成签到,获得积分10
27秒前
27秒前
zhaopeipei完成签到,获得积分10
27秒前
量子星尘发布了新的文献求助10
28秒前
28秒前
调皮的老王头完成签到,获得积分10
29秒前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038201
求助须知:如何正确求助?哪些是违规求助? 3575940
关于积分的说明 11373987
捐赠科研通 3305747
什么是DOI,文献DOI怎么找? 1819274
邀请新用户注册赠送积分活动 892662
科研通“疑难数据库(出版商)”最低求助积分说明 815022