|
|
@@ -1054,6 +1054,7 @@ class BaseConfig(object):
|
|
|
NO_AD_MID_GROUP_LIST = {
|
|
|
'class1': ['return25_nmids'],
|
|
|
'class2': ['return30_nmids'],
|
|
|
+ 'class3': ['return25_nmids', 'return9_24mids'],
|
|
|
}
|
|
|
|
|
|
# 广告模型用户数据
|
|
|
@@ -1160,6 +1161,11 @@ class BaseConfig(object):
|
|
|
'no_ad_mid_group_list': NO_AD_MID_GROUP_LIST['class1'],
|
|
|
'remove_no_ad_group': True, # mean_group 预测&计算阈值时，去除不出广告的用户组
|
|
|
}, # 优化阈值计算方式
|
|
|
+ 'rule3': {
|
|
|
+ 'group_list': AD_MID_GROUP['class1'],
|
|
|
+ 'no_ad_mid_group_list': NO_AD_MID_GROUP_LIST['class3'],
|
|
|
+ 'remove_no_ad_group': True, # mean_group 预测&计算阈值时，去除不出广告的用户组
|
|
|
+ }, # 优化阈值计算方式
|
|
|
},
|
|
|
'params_list': [
|
|
|
{'data': 'user5out', 'rule': 'rule2'}, # 内容精选 + 优化阈值计算方式
|
|
|
@@ -1171,6 +1177,7 @@ class BaseConfig(object):
|
|
|
{'data': 'user21out', 'rule': 'rule2'}, # 票圈视频+ + 优化阈值计算方式
|
|
|
{'data': 'user3out', 'rule': 'rule2'}, # 票圈福年 + 优化阈值计算方式
|
|
|
{'data': 'user22out', 'rule': 'rule2'}, # 票圈足迹 + 优化阈值计算方式
|
|
|
+ {'data': 'user0out', 'rule': 'rule3'}, # 票圈vlog + 优化阈值计算方式
|
|
|
]
|
|
|
}
|
|
|
|
|
|
@@ -1267,6 +1274,10 @@ class BaseConfig(object):
|
|
|
'care_model': True, 'threshold_rate': 0.7,
|
|
|
'threshold_mix_func': 'multiply',
|
|
|
}, # 所有广告类型本端视频数据 + 优化阈值计算方式 + else非关怀模式人群多出广告 + 分享与不直接跳出融合方案三(乘积融合: p(不直接跳出|出广告) * p(分享|出广告), 标准贝叶斯公式)
|
|
|
+ '173-s': {'video': {'data': 'videos0out'},
|
|
|
+ 'user': {'data': 'user0out', 'rule': 'rule3'},
|
|
|
+ 'care_model': True, 'threshold_rate': 0.7,
|
|
|
+ }, # else非关怀模式人群多出广告 + 所有广告类型数据 + 优化阈值计算方式 + 使用以是否直接跳出为目标的数据 + ['return25_nmids', 'return9_24mids']用户不出广告
|
|
|
|
|
|
# 票圈视频+
|
|
|
# '190-a': {'video': {'data': 'data1'},
|
