【知识学习】多目标
多目标学习的提出是为了融合不同目标的数据构建联合模型来优化模型效率，更进一步讲，实质是通过共同训练来相互补充信息，并且使模型的表述性更全面。
在推荐系统中，多目标的应用体现在如何更全面的表达用户。在各行业的推荐系统中，用户的互动行为是多种多样的，而每种互动行为的产生从一定程度上都表示了用户的一种兴趣倾向。在微博文本推荐的场景中，存在一系列漏斗式的行为以及一系列可操作方式。浏览到点击到收藏甚至转化，当行为越深层，受曝光机制的作用越小，反而越能体现用户的真实兴趣：点击可能代表用户对内容的接受度是ok的；而浏览时长由内容长度和用户的兴趣共同使然；当用户认同并感兴趣相应内容可能进一步进行点赞、收藏、分享等一系列高质量互动行为；而转化则代表了用户深度兴趣。
我们的目标往往是深层行为，而这种行为的数据往往是稀疏的，则可以通过加入浅层行为的分析来补充用户的信息。实质上这就是最普遍的多目标学习。
个人觉得，我们在构建多目标学习时，是否需要重点考虑以下几个方面：
- 哪些行为是耦合的？
- 哪些行为是互斥的？
- 哪些行为的作用是负向的？
- 哪些行为的作用更重要一些？
对于耦合行为和互斥的行为是否可以打包组合，一方面补充模型的数据量，另一方面也完善了数据信息。
负向行为的引入相比正向行为的侧面反映力度更强。
提前分析不同行为的重要性，能佐证模型最终的效果数据。
目前多目标学习在各大厂中的应用还是蛮广泛的。如airbnb2018年获奖论文中长短兴趣（点击和booking的行为融合）；以及阿里的ESMM（空间多任务模型）。
说到这，不得不说