3.1 分别训练点击的二分类模型以及观看时长预估的回归模型。对于融合参数，离线采用grid search的方式调参获得组合值。

爱奇艺的社区化建设和业务趋势下，feed流推荐效果需要：保证用户观看时长、观看视频数、点击率等基础指标提升或稳定；引导用户评论、点赞等互动。

4.1 ESMM建模 阿里提出了ESMM1的方法对ctr和cvr建模，推荐场景中的用户行为有一定的序列依赖关系，电商场景下的转化行为发生在用户点击之后，可以基于序列依赖进行建模。 在爱奇艺的feed流场景中，用户的观看时长或者互动行为都是发生在点击之后的，可以把『点击&时长』，或者『点击&互动』作为ESMM迭代的方向。【互动】作为主任务，【点击】作为辅助任务，【时长】作为两者的正例权重，离线训练的时候两者loss相加。

4.2 MMoE+帕累托优化数分对『观看时长Top100』和『评论数Top100』的视频进行对比分析，发现重合度较低、排序差异很大。因此，从业务角度分析看，『时长』和『评论』两者并不是强相关业务，进而考虑采用MMoE的方案，考虑到联合Loss需要进行大量超参调节，可能出现目标一涨一跌的现象，因此使用『帕累托优化』保证原有目标效果不降低的情况下，提升互动效果。