改变样本权重/多模型分数融合：（1）改变样本权重：先通过权重构造目标值，再进行模型拟合。（2）多模型分数融合：先进行模型拟合在进行加权融合。缺点：依赖规则设计，依赖人工调参，且经常面临以A目标换取B目标的问题。

Learn to rank ：pairwise、listwise直接排序。

结合在线数据自动调参：5%线上流量探索，每次探索N组参数，根据用户的实时reward来优化线上的调参算法。设计约束项，在阈值内线性弱衰减，超出阈值指数强衰减。

多任务学习：结合深度学习网络，可以共享embedding特征，采用多种特征组合方式，达到相互促进以及泛化的作用。例如MMOE模型，不同的专家可以从相同的输入中提取出不同的特征，由gate attention结构，把专家提取出的特征筛选出各个task最相关的特征，分别接入不同任务的全连接层。不同的任务需要不同的信息，因此每个任务都由独立gate负责。

本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。 用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。