本研究提出了一种新型双塔预排序模型InteractRank，旨在解决现有搜索系统在预排序阶段捕捉查询-项目交互特征的不足。该模型结合历史用户参与数据，提升了Pinterest的在线参与度指标6.5%。

本文提出了 ECM 整体链式跨领域模型，解决预排序系统中样本选择偏差问题，并设计了 ECMM 细粒度神经结构，提高预排序准确性。实证评估结果表明，该模型在大规模流量日志中表现优于最先进的方法。

本文介绍了Hash cluster表的应用，包括预排序、重排压缩和Shuffle Remove。通过建立hash cluster表及手动干预进行remove操作，可以优化转化归因任务的加工流程。文章还介绍了优化过程中遇到的问题和解决方法。最终，通过优化，转化归因整体链路产出提前20分钟+，执行效率和资源消耗都有所降低。