已找到以下 55 条记录。
产品选择
推荐系统 RES
没有找到结果,请重新输入
产品选择
推荐系统 RES
产品选择
没有找到结果,请重新输入
  • 特征工程 - 推荐系统 RES

    得超过行为数据时间范围。 测试数据时间:测试数据起始时间和终止时间,该起始时间和终止时间不得超过行为数据时间范围。 “RATE” 训练数据占比:生成结果中,训练集占整个训练集和测试集比例,默认0.7。 测试数据占比:生成结果中,训练集占整个训练集和测试集比例,默认0.3。

  • 管理离线作业 - 推荐系统 RES

    新执行”、“删除”等操作。您也可以通过查看服务详细信息判读作业训练状态和查询训练结果。 复制离线作业 用户可以通过复制组合作业再次创建新作业进行离线计算。生成数据和原来作业生成数据相互独立,复制离线作业会生成线上指定UUID。 操作步骤如下: 登录RES管理控制

  • 过滤规则 - 推荐系统 RES

    过滤规则 过滤规则用于配置候选集过滤方式,使之不进入候选集。对于每个需要过滤行为,生成用户具有该行为物品列表。再对同用户每种行为物品列表进行“与”或者“或”关系,最终生成用户-物品过滤表。 表1 过滤规则参数说明 参数名称 说明 名称 自定义过滤规则名称。由中文、英

  • 召回策略 - 推荐系统 RES

    需要配置调度时间间隔。 基于交替最小二乘矩阵分解推荐 基于交替最小二乘矩阵分解推荐:基于用户-物品行为信息作为原始矩阵,利用ALS优化算法对原始矩阵进行矩阵分解,分解之后用户隐向量矩阵和物品隐向量矩阵可以用来生成预估用户-物品评分矩阵,提取出评分最高若干个物品作为召回结果。

  • 管理在线服务 - 推荐系统 RES

    通”、“停止”、“删除”等操作。您也可以通过单击在线服务名称查看在线服务详细信息。 编辑服务 用户可以通过“编辑”在线服务修改该参数信息进行计算。生成数据会覆盖原来在线服务计算生成数据。“部署中”在线服务不支持编辑。操作步骤如下: 登录RES管理控制台,在左侧菜单栏中选择“在线服务”,进入服务列表。

  • 数据结构 - 推荐系统 RES

    可以将离线数据源经过数据特征抽取,生成推荐系统内部通用数据格式。经过数据质量检测来确保数据合法性。 数据结构介绍 数据结构步骤主要目的是读取用户上传离线数据,解析用户特征和物品特征中每一个属性数据格式、统计所有行为,然后保存解析生成数据格式。 前提条件 已按照创建离线数据源操作指导完成数据源的创建。

  • 推荐引擎和排序引擎有什么区别? - 推荐系统 RES

    推荐引擎和排序引擎有什么区别? 推荐引擎 推荐引擎是以推荐为业务逻辑引擎,即系统根据配置生成召回集作为起点,输出推荐结果集为终点引擎。 排序引擎 排序引擎是以排序为业务逻辑引擎,即用户提供排序集为输入,系统根据排序算法输出排序结果引擎。 父主题: 自定义场景

  • 数据导入 - 推荐系统 RES

    非法条目数”、“重复度”和“合法率”信息。 类型包括生成用户、物品、行为数据。您可以通过单击左侧查看具体报告信息。 “名称”项显示具体参数名称。 “条目数”显示各种类型数据具体数量。 图1 查看报告 如果导入错误,会生成“数据导入错误报告”,显示数据“类型”、“数量”和“原因”,方便您定位问题原因。

  • 分词模型 - 推荐系统 RES

    座两层小木屋,和这里大部分木质吊脚楼一样,小木屋依山而建。但这座木屋又很“特别”,它有一个“山东哥哥助学工作站”名字。这座木屋,凝聚了“山东哥哥”与贵州山区儿童之间情谊,也见证了一位名叫隋刚淄博“80后”小伙18年来坚守。", "绝大多数用户需求往往

  • 创建在线服务 - 推荐系统 RES

    “添加推荐候选集”(选择离线或近线任务所生成推荐候选集进行排序) 任务别名和UUID:单击操作列表“选择”添加离线或近线任务名称和候选集ID。 优先级:优先级高推荐结果将确保展示在优先级低之前。 同优先级数据占比:优先级相同推荐候选集,该占比展示推荐数量,同优先级下数据占比之和需要等于100%。

  • 通过DLF重新执行作业 - 推荐系统 RES

    推荐系统提供了重新执行作业API,用来将任务以相同配置重新执行一次,实现对离线任务生成结果更新。以固定周期定时调用此API,可保持结果处于一个较新状态,以获得更好推荐结果。 以上功能,我们也可以使用数据治理中心 DataArts Studio,通过拖拽方式完成配置。具体操作步骤如下:

  • 召回策略 - 推荐系统 RES

    CANDIDATES_SET UserCF算法生成用户-物品列表候选集。 基于交替最小二乘矩阵分解推荐 基于交替最小二乘矩阵分解推荐:基于用户-物品行为信息作为原始矩阵,利用ALS优化算法对原始矩阵进行矩阵分解,分解之后用户隐向量矩阵和物品隐向量矩阵可以用来生成预估用户-物品评分矩阵,提取出评分最高的若干个物品作为召回结果。

  • 产品功能 - 推荐系统 RES

    数据源功能可以在用户上传数据后,将离线数据源经过数据特征抽取,生成推荐系统内部通用数据格式。经过数据质量检测来确保数据合法性。提供数据源智能检测,输出数据分布和数据质量信息等,智能完成特征工程。 智能场景 根据业务场景选择对应智能推荐场景,快速搭建专属推荐系统。主要应用为猜你喜欢、关联推荐、热门推荐。

  • RES自定义策略 - 推荐系统 RES

    有实际作用。用户被授予策略中,一个授权项作用如果同时存在Allow和Deny,则遵循Deny优先原则。 如果您给用户授予RES FullAccess系统策略,但不希望用户拥有RES FullAccess中定义删除作业权限,您可以创建一条拒绝删除作业自定义策略,然后同时将RES

  • 提交组合作业 - 推荐系统 RES

    提交模板作业接口,根据选择策略不同,参数也有不同。 召回策略 parameter中包含参数,请参见策略参数说明中召回策略(recall)各策略参数说明。 排序策略 parameter中包含参数有以下几部分: spec_id :参数类型Long,训练作业选择资源规格ID。 run_

  • 提交特征工程作业 - 推荐系统 RES

    待提取用户特征 (user_features) 是 JSONArray 从全局特征文件提取输入用户特征,对不同类型特征进行相应处理,处理后数据用于排序模型训练。 特征必须来自用户属性配置表中定义特征。 [{ "feature_name": "age", "feature_type":

  • 自定义场景简介 - 推荐系统 RES

    特征工程常用于抽取用户、物品特征和特定算法特征生成,一般作为某些算法前置输入条件。 排序策略-离线特征工程 排序策略 排序策略根据不同算法模型对召回策略或者近线策略生成候选集进行重排序,得到推荐候选集列表。 排序策略-离线排序模型 在线服务 在线服务用来做线上推荐时应用,每个服务之

  • 离线作业简介 - 推荐系统 RES

    特征工程常用于抽取用户、物品特征和特定算法特征生成,一般作为某些算法前置输入条件。 特征工程 召回策略 召回策略用于生成推荐候选集,在原始数据中通过算法和规则匹配用户候选集。 召回策略 排序策略 排序策略根据不同算法模型对召回策略或者近线策略生成候选集进行重排序,得到推荐候选集列表。

  • 组合作业 - 推荐系统 RES

    计算引擎用于推荐系统离线计算和近线计算。默认DLI。 集群名称 选择“资源中心”绑定DLI集群名称。 任务配置地址 在创建作业时, 会自动生成一个JSON格式配置源文件,该文件存储在指定OBS路径中,计算引擎可以通过读取配置源文件来进行离线计算。 资源名 指定DLI运行作业资源规格。

  • 过滤规则 - 推荐系统 RES

    您可以前往过滤规则列表,查看作业基本情况。在作业列表中,刚创建作业“状态”为“计算中”,当作业“状态”变为“计算成功”时,表示作业运行结束,生成候选集ID将使用于在线服务,为用户生成推荐列表。当作业“状态”变为“计算失败”时,您可以单击作业名称,进入详情页面,通过查看日志等手段处理问题。