DBMTL模型

1. 简单总结：

阿里19年提出的一个多任务模型，该模型显示地建模目标间的贝叶斯网络因果关系。

目前单任务（如CTR）不能满足工业界推荐算法的需求，还需关注后续的转化链路，如：是否评论、收藏、加购、购买、观看时长等。

常见的多目标转化模型结构：

底层共享参数

各塔学习自己的目标

此类网络的概率模型：

其中l,m为目标，x为样本特征，H是模型。（各目标独立假设）

DBMTL与传统MTL结构（认为各目标独立）最主要差别在于构建了目标节点之间的贝叶斯网络，显式建模了目标间可能存在的因果关系。

DBMTL模型结构：

贝叶斯层对应的损失函数是：

不同目标加权后：

在网络的贝叶斯层中，函数f1, f2, f3 被实现为全连接的MLP，以学习目标间的隐含因果关系。他们把函数输入变量的embedding级联作为输入，并输入一个表示函数输出变量的embedding。每一个目标的embedding最后再经过一层MLP以输出最终目标的概率。