用户-笔记的交互

对于每篇笔记，系统记录曝光次数、点击次数、点赞次数、收藏次数、转发次数。
点击率=点击次数/曝光次数
点赞率=点赞次数/点击次数
收藏率=收藏次数/点击次数
转发率=转发次数/点击次数
转发是相对较少的，但是非常重要，例如转发至微信等外部平台，可以给社交平台带来流量。

排序的依据

1.排序模型预估用户对物品的点击率、点赞率、收藏率、转发率等多种分数。
2.融合这些预估分数，最简单的方法就是加权和（权重是做A/B测试调出来的）。
3.根据融合的分数做排序和截断，保留分数高的物品。

预估过程

训练过程

使用交叉熵函数作为损失函数
训练存在的困难：类别不平衡，每 100 次曝光，约有 10 次点击，90 次无点击。每 100 次点击，约有 10 次收藏，90 次未收藏。
解决方法：负样本降采样，保留一小部分负样本，让正负样本平衡，减少训练时间。

预估值校准

由于对负样本降采样，会导致预估点击率小于真实点击率。
设正样本数量为 $n_{+}$，负样本数量为 $n_{-}$，使用 $\alpha \cdot n_{-}$ 个负样本，$\alpha \in \left(0,1\right)$ 是采样率。