已找到以下 137 条记录
AI智能搜索
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
在搜索结果页开启AI智能搜索
开启
产品选择
没有找到结果,请重新输入
  • 应用场景 - 推荐系统 RES

    融合多种召回策略,网状匹配兴趣标签。 改善用户体验,同时降低人工成本。 画像与深度模型结合,助力营收收益增长。 图1 RES电商推荐 RES+媒资应用场景 场景描述 媒资推荐场景中,通常对实时性要求比较高,用户产生行为需要得到即时反馈,同时结合用户长期兴趣和短期兴趣进行个性化推荐。 RES提供一站式媒

  • 与其他云服务关系 - 推荐系统 RES

    一入口鉴权功能和OBS与DIS委托授权。IAM更多信息请参见《统一身份认证服务文档》。 ModelArts ModelArts是面向AI开发者一站式开发平台,排序策略使用Modelarts深度学习计算能力训练得到排序模型。ModelArts更多信息请参见《ModelArts服务文档》。

  • 与其他云服务关系 - 推荐系统 RES

    一入口鉴权功能和OBS与DIS委托授权。IAM更多信息请参见《统一身份认证服务文档》。 ModelArts ModelArts是面向AI开发者一站式开发平台,排序策略使用Modelarts深度学习计算能力训练得到排序模型。ModelArts更多信息请参见《ModelArts服务文档》。

  • 排序策略-离线特征工程 - 推荐系统 RES

    数据,训练数据为前一段时间中数据,测试数据为后一段时间数据,取值TIME。 “个数比例”:个数比例是将全部数据按个数比例随机划分成训练集和测试集传入值。取值RAMDOM。 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,

  • 猜你喜欢主要应用场景是什么? - 推荐系统 RES

    猜你喜欢主要应用场景是什么? 猜你喜欢主要应用于浏览意向不明确,如首页推荐等,RES能够根据用户长短期行为表现出来兴趣进行学习与训练,结合长短期兴趣进行个性化推荐。 父主题: 智能场景

  • API概览 - 推荐系统 RES

    查询规格 查询训练规格 查询当前推荐系统所提供离线计算规格,实时计算规格和排序模型训练规格。在创建数据源和场景时,需要提供此信息。 数据源 创建数据源 在指定工作空间下面创建一个新数据源。 查询数据源列表 查询当前工作空间下数据源列表。 查询数据源详情 查询指定数据源详情信息。

  • 提交特征工程作业 - 推荐系统 RES

    测试数据在输入数据中占比。divide_by_time_or_rate为RATE时必填。取值范围[0,1]。 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的特征。

  • 什么是推荐系统 - 推荐系统 RES

    用户根据场景选择不同推荐实体。 独立排序模块 独立基于CTR预估排序打分模块,支持个性化排序能力。 如何访问RES 您可以通过以下任何一种方式访问RES。 管理控制台 管理控制台是基于浏览器可视化界面。通过管理控制台,您可以使用直观界面进行相应操作。使用方式请参见《推荐系统用户指南》。

  • 策略参数说明 - 推荐系统 RES

    L1正则项系数(lambda1) 是 Double 叠加在模型1范数之上,用来对模型值进行限制防止过拟合。取值范围[0,1],默认值为0。 L2正则项系数(lambda2) 是 Double 叠加在模型2范数之上,用来对模型值进行限制防止过拟合。取值范围[0,1],默认值为0。 学习率(learning_rate)

  • 推荐系统OBS文件夹规范 - 推荐系统 RES

    bal_feature_info.json”文件。 │ obs-general-data 用于存放经过特征工程处理宽表,又名通用格式数据。 │ obs-pretrain-data 用于存放排序预处理任务生成训练数据。 │ obs-error-data

  • 近线作业 - 推荐系统 RES

    已存在运行成功排序策略。建议“优化器类型”选择“ftrl”。 已存在运行成功在线服务。该在线服务“排序方式”为“点击率预估”并且“模型文件路径”为1排序策略生成模型存储路径。 流式训练仅支持2019年12月4日0点之后创建排序策略和在线服务。 流式训练使用到排序策略不支持

  • 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。

  • ModelArts - 推荐系统 RES

    能得到满意推荐结果。 快速入门 智能场景(猜你喜欢) 自定义场景(热度推荐) 05 实践 根据用户离线历史数据,推荐系统通过模型训练和召回策略,对用户数据进行初选、融合、过滤、排序。通过用户实时行为日志进行分析并更新用户数据,得到更优候选集。 RES实践样例 使用RES完成电商推荐

  • 提交组合作业 - 推荐系统 RES

    run_path:参数类型String,训练结果保存根路径,训练完成后,会将模型和日志文件保存在该路径下。 training_data_path:参数类型String,训练数据obs路径。 test_data_path:参数类型String,测试数据obs路径。 策略参数说明中排序策略(sorting)各策略参数说明。

  • 智能场景(猜你喜欢) - 推荐系统 RES

    在“test-data”文件夹下,将behavior.txt中每条数据actionTime字段值修改到当前时间附近。将item.txt中每条数据publishTime字段值修改到当前时间附近,将item.txt中每条数据expireTime字段值修改成大于当前时间值,避免数据因为过期被过滤掉。

  • 创建自定义场景 - 推荐系统 RES

    自定义场景基于用户群体不同推荐场景需求,提供了多种多样推荐策略和算法,实现了端到端自定义推荐场景搭建,使每一个推荐场景都能得到针对性推荐效果提升。 前提条件 已经存在创建成功并完成数据探索数据源。 由于训练作业运行需消耗资源,确保账户未欠费。 确保您使用OBS目录与RES在同一区域。

  • 创建智能场景 - 推荐系统 RES

    据用户长短期行为表现出来兴趣进行学习与训练,结合长短期兴趣进行个性化推荐。 关联推荐主要应用于固定物品关联推荐,根据已关联物品对相关内容和行为进行挖掘,网状匹配相关联物品,进行有关联度推荐。 热门推荐主要应用于当前用户浏览最多物品内容,如实时搜索量前几新闻或者物品。

  • 预测接口(文本标签) - 推荐系统 RES

    预测接口(文本标签) 分词模型 命名实体识别模型 父主题: 在线服务API

  • 上传离线数据源至OBS - 推荐系统 RES

    Service,简称OBS)进行数据源存储。因此,在使用RES之前您需要开通OBS服务并创建桶,然后在OBS桶中上传用户数据用于推荐作业计算。 需要存放在OBS桶中数据包括: 离线数据源:包含用户类数据,物品类数据,行为数据以及推荐候选列表。 人工推荐策略候选集(可选):您可以将人工编辑推荐结果列表c

  • 绑定或解绑资源 - 推荐系统 RES

    在RES管理控制台界面,资源中心列表中会提供当前账号创建DLI集群、CloudTable开启IAM认证集群和DIS通道供用户选择进行绑定或解绑。 背景信息 绑定资源之后,将该资源应用于RES作业训练及在线作业获取推荐结果。 解绑资源完成资源释放,已经解绑资源不再应用于RES相关计算。 已开通计算引擎