Q：为什么要特殊对待新笔记？A：新笔记缺少与用户的交互，导致推荐的难度大、效果差；扶持新发布、低曝光的笔记，可以增加作者发布意愿。

基于物品的（类目、品牌、关键词等）基于物品的提升多样性的方法（排序后的结果既需要高排序分数，也需要多样性）精排的后处理通常称为重排。

nn。

先输入共享神经网络（share bottom），输出头是全连接层+Sigmoid，输出排序依据的预估值。二元分类方法：定义完播指标（例如完播80%定义为正样本，否则为负样本），最后的结果是二元分类的概率。训练时看成二元分类任务，使用交叉熵损失函数，总的损失函数是加权和。

因此，下一步是做线上的小流量A/B测试，考察新的召回通道对线上指标的影响。模型中有些参数，比如模型的超参数，需要用A/B测试选取最优参数。取10%的用户作为holdout桶，推荐系统使用剩余90%的用户做实验，两者互斥。召回（大规模筛选）、粗排（挑选评分高的）、精排（高精度深度模型，可能有截断，也可能没有）、重排（随机抽样，相似内容打散）如果业务指标的diff显著增加，则可以推全到90%，考核周期

是最核心的指标目前工业界最常用衡量留存。t0​t0​−t6​其他核心指标：用户使用时长、总阅读数/总点击数、总曝光数。非核心指标：点击率、交互率等等。对于UGC平台，发布量和发布渗透率也是核心指标。