本次分享主题是多任务学习在风控场景中的应用探索，主要探讨什么是样本选择偏差问题，如何从多任务学习的角度解决样本选择偏差问题，什么是多任务学习，多任务学习有哪些优点以及常见的解决思路。还会分享本团队在捞回和文本两个场景上的应用案例，并详细介绍我们结合风控场景的特点如何定制化多任务学习方法解决样本偏差的问题。今天的介绍会按照以下顺序展开：

  • 风控场景中的问题

  • 多任务学习概况

  • 应用案例

  • 时序多任务学习方法

     

    总结来说，本文主要提出了几种方法解决风控场景中的样本偏差问题。

    一是以样本偏差小的任务辅助逾期任务训练；二是通过设计网络结构，实现多阶段多标签任务的共同训练；三是设计信息连廊，通过分层注意力机制，实现信息聚合和有效传递。

内容中包含的图片若涉及版权问题，请及时与我们联系删除