粗排样本选择

粗排训练样本选择最简单的可以复用精排模型的样本，#card

• 一方面复用链路节省资源，

• 另一方面方便与精排特征对齐，维护简单以及便于联合优化；

然而如上提到的，粗排和精排样本的打分空间分布并不一致，直接使用精排样本训练粗排模型，将会使得粗排模型对于大量少曝光的样本打分存在偏差。#card

• 常见的缓解方法可以尝试增加随机样本做负样本（或者同类目等限制下随机负采样增加样本难度）；

另一种思路则是使粗排尽可能推荐精排偏好的商品，具体实现可以将精排排序topN的样本作为正样本，其他为负样本等方法，#card

• 此外精排模型蒸馏也可以理解为该思路的一种实现方式。

• 样本选择空间偏差问题解的决方法不止如此，且无标准答案，很多时候还是需要不断实验改进，才能找到适合自己场景的样本选择方法。