在短视频平台的生态中,短视频类目曝光比是一种对推荐系统和内容制作起到宏观指导作用的重要工具。由于为每位用户各自确定独特的视频曝光比例的问题非常复杂,并且现有离线数据中的数据分布存在严重的“选择偏差”情况,所以本文考虑应用能够识别混合处理效益的因果推断算法来解决该问题。然而,若将各类视频曝光比作为处理变量,则会使得因果问题中的处理变量具有连续、高维、带约束的特点,而这样的情况在目前的因果推断技术领域并没有成熟的解决方案。因此,本文提出了一种基于因果决策树模型的“反差森林”算法,通过在分裂准则函数的构造中采用连续值离散化、启发式维度遍历等思想,解决了上述存在的问题,并在业务上得以高效应用。为了验证反差森林模型在特定场景下的性能,本文对因果推断相关领域的先进方法做了适用于该问题的微调,再将它们与反差森林对比。本文通过对比各方法在分别由模拟数据与合成数据构成的两个数据集上的表现,说明了反差森林算法在该场景下具有独特的优越性能。同时,反差森林作为一种独立的算法模型,也具有扩展到任意相似场景的能力。