作者：至夏
出品：大淘宝技术
本系列文章包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题的第六篇。
第一篇指路：冷启动系统优化与内容潜力预估实践
第二篇指路：GNN在轻应用内容推荐中的召回实践
第三篇指路：基于特征全埋点的精排ODL实践总结
第四篇指路：Gradient Normalization在多任务学习中的优化实践
第五篇指路：生成式重排在内容推荐中的应用实践
场景介绍
每平每屋轻应用是淘宝内主推家居类商品的内容场景化导购，内容主要以场景搭配为主，内容内挂载了多个商品锚点。淘宝用户可以通过以下3种方式进入每平每屋轻应用界面：1）搜索每平每屋关键词访问；2）关注每平每屋轻应用后，在淘宝二楼我的频道主动访问；3）点击淘宝首页猜你喜欢的每平每屋内容卡片。用户进入每平每屋轻应用频道页后，浏览和点击内容卡片进入内容详情页，点击详情页的商品锚点进入商品详情页，进而进行收藏加购等行为。
2021年初，每平每屋轻应用内容详情页已全面切换成无尽流形式，相比于原来的沉浸式单图文消费，无尽流采用无阻尼下拉形式，用户下拉浏览体验更顺畅，从而提高内容详情页的曝光量及消费PV；
为了更好优化无尽流场景的浏览深度及点击效率，给轻应用内容详情页带来更多消费PV，每平每屋算法同学对推荐的各个模块进行了优化，包括丰富召回多样性、引入粗排模型、下拉模型开发及优化、以及调整内容相关度展示策略等。
带你读《2022技术人的百宝黑皮书》——无尽流场景优化总结(2) https://developer.aliyun.com/article/1246801?groupCode=taobaotech
