想咨询一个机器学习PAI hard负采的问题，我在负采表里加了用户显示负反馈的item？

想咨询一个机器学习PAI hard负采的问题，我在负采表里加了用户显示负反馈的item。并且对于这种item给予高权重。其余统一的一个低权重。但是对于采样策略，一直没想到合适。easyrec自身的版本采用策略用的full，我试了这样采出来的结果会比较聚集（和 input表的item顺序之间位置比较接近或相邻），多次采样也没什么太多的变化。也就是多次学习，hard负样本几乎都一样。但是对于其他的采样策略，也各有一些问题？
edge_weight：这样多次学习，如果有显示负反馈，容易重复采样显示负反馈的item。topk：如果显示负反馈数与hard负采数接近，也是比较固定的采样结果。random_without_replacement：在PAI上试了有问题，采样的item数会严重多余bs_size*hard负采数random和in_degree 因为本身还是想让模型学一下显示负反馈的信息。所以也没用这两种。想请教下针对这种情况，您有没有什么建议？多谢。