- 分享主题：Metadata-driven Task Relation Discovery
- 论文标题：Metadata-driven Task Relation Discovery for Multi-task Learning
- 论文链接：https://www.ijcai.org/proceedings/2019/0615.pdf
- 分享人：唐共勇

1. Summary

【必写】，推荐使用 grammarly 检查语法问题，尽量参考论文 introduction 的写作方式。需要写出

  1. 这篇文章解决了什么问题？
  2. 作者使用了什么方法（不用太细节）来解决了这个问题？
  3. 你觉得你需要继续去研究哪些概念才会加深你对这篇文章的理解？

To solve the problem of task relationship discovery in multi-task learning, this paper introduces metadata into it and proposes a new metadata clustering method, which combines historical samples and additional metadata to automatically use the real correlation. It also avoids negative transfer by identifying reusable samples between related tasks. The highlight of this paper is the introduction of metadata, which is the description information of data sets. It is used in daily system operation in complex systems and contains expert information. Based on metadata extraction task attributes, this paper designs a multi-task general AI algorithm with the hierarchical combination of metadata task attributes and sample task attributes

2. 你对于论文的思考

需要写出你自己对于论文的思考，例如优缺点，你的takeaways

1.将元数据引入TRD，同时提出一种提取元数据的方法，避免出现负转移
2.提出了一种以元数据作为正则化的先验约束条件的两阶段聚类方法。

task： 三元组{at（任务属性），lt（label），ft（函数）}
TRD：做出一组关系映射

3. 其他

【可选】

image.png
两阶段聚类的方式
1.建立元数据图
2.一个基于元数据图的跨任务转移能力的亲和矩阵。其中的距离衡量需要采用归一化之后的距离
3.从加权元数据和训练样本中推断出的亲和矩阵来推断任务映射
image.png