实验五：对数据数据重采样，在重采样的时候，限制了部分query的权重，相比baseline 提升0.03%，目的是增加数据的多样性，提升了0.03%
实验六：在实验四的基础上，随机去掉20%的A特征，相比baseline 提升0.28%， 并没有优于随机去掉10%，最终选择随机去掉10%A特征
实验七：在实验四的基础上，统一来源，相比baseline 提升了0.64%
实验八：在实验七的基础上，将B特征引入训练，相比baseline 提升了1.14%
大家不要觉得这些实验很多觉得很麻烦，其实在实际工作中，通常来说，最有效的方法是：分析badcase，引入更有区分度的特征，如果你的项目效果不好，再试试引入dropout等等。具体的参数如何调整，是根据具体的项目而定，但是不管如何优化，都要先跑baseline。在baseline的基础上再进行优化。其次快速迭代实验，做好实验记录也是非常有必要的