Q：​在创建lookalike扩样分群时，如果同时配置了覆盖率（比如配置覆盖率80%）和自定义标签（自定义选了几个不满足80%的标签），最终参与计算的是哪些标签？

当创建lookalike扩样分群时，如果同时配置了覆盖率（例如80%）和自定义标签，最终参与计算的是那些既满足覆盖率要求的标签，又满足自定义选择的标签。两者之间是＂且＂的关系，即只有同时满足这两个条件的标签才会被纳入计算。

Q：​在lookalike人群扩样中，如果离线标签未就绪，能否设置使用T-2日的标签？

在VeCDP V1.20版本及之后的版本中，如果T-1的全量标签没有就绪，系统会自动采用T-2日的标签。但是，系统会确保使用的是同一天的标签。如果T日的全量标签已经生成，但其他选中的标签的T日数据还未生成，那么这些标签在计算时会被过滤掉。
此外，如果标签是按周或按月更新的，lookalike计算的日期和这些标签的数据更新日期不同，那么这些按周或按月更新的标签在lookalike计算中会被忽略。

Q：​为什么在创建lookalike扩样人群时，指定数量的选项是灰色的，无法选择？

指定数量选项为灰色，无法选择的原因是因为创建者没有足够的行权限。由于创建者查询到的baseid个数为0，系统因此限制了用户指定扩样后人群包的用户个数。

Q：​在lookalike扩样中，不同配置项的数据依赖规则是什么？

均依赖全量标签的运行日期，具体如下：

• 只选择覆盖率：依赖的是全量标签运行成功的日期，取该日期中满足指定覆盖率的标签数据。
• 只选择自定义特征值：依赖的是全量标签运行成功的日期，选取在这个日期中满足覆盖率的标签。如果所选标签在全量标签运行成功的日期中均未运行，系统会在提交时提示标签数据为0。
• 同时选择覆盖率和自定义特征值：这两者是且的关系，即必须同时满足。首先找到全量标签运行成功的日期，然后在这个日期中判断哪些标签既满足覆盖率条件，又满足自定义特征值的选择条件。

Q：​使用lookalike模型时有哪些注意事项？

• 必须至少配置覆盖度或自定义特征值中的任一项。
• 当存在大量标签时，不建议仅通过覆盖率进行筛选。推荐结合覆盖率和自定义特征值进行筛选，并确保筛选出的标签数量大于0。
• 种子分群或正样本的人数不宜过少，建议超过500人，同时与全量人群的比例应控制在5%-15%之间。
• 种子分群和负样本之间不应完全重叠，建议在操作前验证两者的交集为0，以获得最佳效果。
• 由于计算资源的限制，如果通过覆盖率筛选出的标签过多，且目标范围是全量人群（例如，全量标签超过亿的情况），建议手动选择与业务相关的标签或圈选有效的目标范围（圈选数量应小于5000万）。
• 建议剔除枚举值过多的标签，例如身份证号码、用户会员ID、精确居住地址等。
• 种子分群中的每个个体对应的所选标签特征不应全部为空，建议种子分群在历史标签上有有效数据。

Q：​REST API数据接入支持流式响应吗？

暂不支持流式响应。

Q：​REST API数据接入分页有无上限的参数吗？比如-1？

没有，原因是为了保护系统，防止死循环。

Q：​REST API数据接入时，实时获取当前时间戳写法是什么？