我有一个多标签分类问题，其中每个示例都可以属于一个预定义的类（或者不属于它们）。
我想知道我是否可以以某种方式将多任务学习 (MTL) 应用于这个问题。本质上，将每个类视为一个单独的类，并使用基于 NN 的模型，该模型具有共同的特征提取器层，以及在其之上的类特定层。
我的疑问是，多标签设置中的标签之间通常存在相关性。在 MTL 模型中，特征提取后，每个类都单独处理，不共享信息。考虑到这些信息，多标签的 MTL 类型的模型是否有意义？
多标签分类的多任务学习？
数据挖掘
神经网络
分类
深度学习
多标签分类
多任务学习
2021-09-28 19:54:50
1个回答
MTL 应该使您的共享层能够更好地泛化。例如。在一个text classification问题中，您encoder将接受不同任务的训练：一个可能是multi class classification（原始任务）本身，让我们将识别句子的情绪（再次分类任务；但与原始任务不同）作为另一个任务。
对于这些任务中的每一个，编码器都是相同的，但头（解码器）会不同。
一个任务的解码器/头不会受到另一任务的影响。
MTL 总是有意义的。您的编码器/共享层将能够更好地泛化，从而减少解码器的负载，从而提高性能。