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
泊頔完成签到,获得积分10
2秒前
lrq发布了新的文献求助10
3秒前
3秒前
wwl关闭了wwl文献求助
5秒前
mr_chxb82发布了新的文献求助10
5秒前
阿智完成签到,获得积分10
5秒前
大写的LV完成签到 ,获得积分10
6秒前
麦子发布了新的文献求助10
7秒前
852应助wbh采纳,获得10
8秒前
12秒前
lzx发布了新的文献求助10
13秒前
王彩香发布了新的文献求助10
14秒前
五六七发布了新的文献求助150
15秒前
15秒前
mr_chxb82完成签到,获得积分10
15秒前
量子星尘发布了新的文献求助10
16秒前
小二郎应助麦子采纳,获得10
17秒前
清脆凡阳完成签到 ,获得积分10
17秒前
香蕉觅云应助小晓采纳,获得10
18秒前
科研通AI2S应助wwl采纳,获得10
20秒前
23秒前
眉间尺完成签到,获得积分10
25秒前
DC发布了新的文献求助10
26秒前
我们发布了新的文献求助10
28秒前
贪玩的野狍子完成签到,获得积分20
29秒前
、、、完成签到,获得积分10
34秒前
lrq完成签到,获得积分10
36秒前
古月发布了新的文献求助10
36秒前
37秒前
五六七发布了新的文献求助10
39秒前
39秒前
css1997完成签到 ,获得积分10
41秒前
无限飞丹完成签到,获得积分10
41秒前
小饭完成签到,获得积分10
41秒前
Cl1audia发布了新的文献求助10
42秒前
所所应助木可采纳,获得10
42秒前
Gyro完成签到,获得积分10
44秒前
隐形曼青应助lzx采纳,获得10
44秒前
45秒前
体贴紫完成签到,获得积分10
46秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
‘Unruly’ Children: Historical Fieldnotes and Learning Morality in a Taiwan Village (New Departures in Anthropology) 400
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
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 3989444
求助须知:如何正确求助?哪些是违规求助? 3531531
关于积分的说明 11254250
捐赠科研通 3270191
什么是DOI,文献DOI怎么找? 1804901
邀请新用户注册赠送积分活动 882105
科研通“疑难数据库(出版商)”最低求助积分说明 809174