通常情况下，confidence weight可以被分为三类：

（1）Heuristic：典型的例子是加权的矩阵分解以及动态MF，未观测到的交互被赋予较低的权重。还有很多工作则基于用户的活跃度指定置信度等。但是赋予准确的置信权重是非常有挑战的，所以这块依然处理的不是非常好。

（2）Sampling: 另一种解决曝光bias的方式就是采样，经常采用的采样策略有均匀的负采样，对于流行的负样本过采样，但是这些策略却较难捕捉到真实的负样本。

（3）Exposure-based model:另外一个策略是开发基于曝光的模型，这样可以知道一个商品被曝光到某个用户的可能性等。