推荐系统中，负样本的采集通常是一个挑战，因为用户往往只提供他们喜欢的项目的反馈，而不喜欢的项目的反馈通常是缺失的。以下是一些常见的负样本采集策略：
  1. 随机采样：这是最常见的策略，就是从用户未互动的项目中随机选择一些作为负样本。这种策略的优点是简单易行，但缺点是可能会引入噪声，因为用户未互动的项目并不一定就是他们不喜欢的。
  2. 采用“热门度”采样：从用户未互动的项目中，选择那些最热门的项目作为负样本。这种策略的理念是，如果一个项目非常热门，但用户却没有互动过，那么可能是因为用户对该项目不感兴趣。
  3. 利用用户的历史行为：例如，如果用户在浏览一个项目后没有采取任何行动（如购买、添加到购物车等），那么可以认为用户对该项目不感兴趣，将其作为负样本。
  4. 利用用户的隐式反馈：例如，如果用户在看到一个推荐项目后选择了“不再显示这个推荐”，那么可以将该项目作为负样本。
  5. 利用用户的明确反馈：例如，如果用户给一个项目打了低分，那么可以将该项目作为负样本。
  需要注意的是，以上策略并非一定有效，需要根据具体的应用场景和数据情况进行选择和调整。同时，负样本的选择策略会直接影响到推荐系统的性能，因此需要进行仔细的设计和测试。