推荐系统中负采样策略及采样偏差的校正方法

负采样（Negative Sampling）是训练基于隐式反馈的现代推荐系统的核心技术。通过为观测到的正样本构建高质量的负样本，模型能够学习到用户的个性化偏好。然而，负采样的策略并非一成不变，其选择与推荐系统的阶段（召回、排序）、用户行为信号的解读以及业务目标紧密相关。本报告旨在系统性地剖析主流的负采样策略，解构不同用户行为信号（点击、曝光）的价值，并为召回与排序两个核心阶段提供明确、可行的实践建议。