带你读《2022技术人的百宝黑皮书》——无尽流场景优化总结(3) https://developer.aliyun.com/article/1246800?groupCode=taobaotech
模型选择&样本构建
在模型选择中，考虑到目前无尽流场景样本量不多，无法训练太复杂的模型，经过评估后使用W&D进行训练【1】。对于样本构建，不同于点击率模型通过判断用户是否点击构造样本，无尽流下拉模型主要通过用户是否有继续下拉行为构建正负样本，并根据场景特点不断优化样本：
v1: 基于用户是否愿意继续下拉，将有继续下拉行为的样本认为是正样本，无继续下拉的样本认为是负样本；
v2: 基于“完全无下拉行为用户，用户意图不明确（干扰模型训练）”，剔除完全无下拉行为用户样本，剔除的无下拉用户行为样本占总样本量的24%；
v3: 基于“用户可能并不是因为最后一个浏览的内容跳失”，认为用户下拉序列中，后面浏览的内容都有可能是导致用户跳失，将最后10%下拉的内容都作为负样本；
模型离线AUC
线上AB
结论：从离线AUC看，v2版本效果最好，相比v1提高了将近0.01，v3版本效果不如v1；
从线上完整AB7天指标情况对比，v3版本下拉深度(人均曝光和次均曝光)提升较大，但其点击类指标收益负向；整体看v2版本表现最好，在下拉深度指标有提升情况下，点击类指标也有不错提升；因此，我们基于v2版本方式进行样本构建，并进行了其他优化；
带你读《2022技术人的百宝黑皮书》——无尽流场景优化总结(5) https://developer.aliyun.com/article/1246798?groupCode=taobaotech
