参考这篇文章：
https://zhuanlan.zhihu.com/p/146210155
《百度凤巢新一代广告召回系统——“莫比乌斯”》
从上面的训练流程图可以大致归结为如下几步：
（1）首先从点击日志中加载一个batch的数据
（2）利用这一个batch的数据构建两个集合，即query集合和广告集合
（3）对构建好的query集合和广告集合两两配对，构建augmented data，即query集合大小为N，广告集合大小为M，则生成的样本集合大小为N*M
（4）利用传统的召回阶段的相关性模型对每一个query-ad的pair进行相关性打分，筛选出其中相关性比较低的的pair
（5）利用CTR预估模型(T-2)对相关性较低的pair进行CTR预估得到pctr
（6）利用采样器根据PCTR值对这批低相关性的pair进行采样，同时对这批数据打上对应的label——badcase，得到增强的样本数据
（7）将增强的样本数据补充到CTR模型的训练样本中，并且单独设计一个类别badcase，也就是将传统的CTR模型的二分类任务扩展到了三分类任务
在大部分公司的商业广告系统架构中，都会采用经典的“漏斗”结构，即召回——粗排——精排——重排序等模块
在线上进行广告检索召回的时候，当收到一个用户请求（query）时，线上计算可以得到用户的query embedding，利用query embedding需要在保证相关性的前提下筛选出变现能力最高的一批候选广告，这时就需要利用query embedding去进行检索，暴力的全库检索基本是不可实现的（线上计算开销太大，根本无法满足耗时的要求），所以比较常用的是近似最近邻（ANN）检索（开源库比较多，例如ANNOY,FAISS,HNSW等）