已找到以下 68 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
  • 获取推荐结果 - 推荐系统 RES

    运行中”,表示状态正常。您可以通过预测功能测试推荐结果进一步调整作业参数,也可以通过预测接口来调用API,获取推荐结果。 如果近线数据源有更新,需要重新调度召回策略,才会有对应的推荐结果。 预测 登录RES管理控制台,在左侧菜单栏中选择“推荐业务>智能场景”,进入智能场景列表页面。

  • 查看在线服务详情 - 推荐系统 RES

    “配置更新记录”、“排序模型更新记录”。 表2 在线服务详情 参数 说明 在线流程 展示在线流程名称、在线流程ID以及在线流程关于融合、过滤、排序、公共配置和模型相关的参数信息。 预测 可对运行中状态的在线服务进行预测,输入预测代码,单击“预测”后显示预测结果。 配置更新记录 展示配置相关记录。

  • API概览 - 推荐系统 RES

    在指定工作空间下面创建智能场景。 查询场景详情 查询指定场景的详情。 查询场景列表 查询当前工作空间下的场景列表。 更新自定义场景内容 更新自定义场景的内容信息。 更新智能场景内容 更新智能场景的内容信息。 删除场景 该接口用于删除场景,删除之后不能恢复,请您谨慎操作。 训练作业 新建训练作业

  • 场景 - 推荐系统 RES

    场景 创建自定义场景 创建智能场景 查询场景详情 查询场景列表 更新自定义场景内容 更新智能场景内容 删除场景 父主题: API

  • 配置物品status状态,完成物品的上下架 - 推荐系统 RES

    物品是否可推荐、是否置顶、是否注销,默认值为0。 0:可推荐 1:不可推荐 2:置顶 -1:注销 否 同时,可以通过实时更新的方式,更新物品身上的status字段,实现秒级状态字段更新,来控制物品的上下架状态。具体操作指导可参考上传实时数据进行配置和对接。 父主题: 灵活配置物品状态和过期时间,保障有效性和实效性

  • 产品功能 - 推荐系统 RES

    使用便捷,一键式构建推荐系统,提供标准API接口,调用简单,便于被集成。 实时更新,具备实时更新能力,更快反馈用户的精准需求。 降低成本,减少人力支出投入。 自定义场景 基于用户历史行为计算物品相似性,实时更新候选列表,提升用户体验,提高转化率支持多种召回、过滤、排序算子自由组合,训

  • 工作空间 - 推荐系统 RES

    工作空间 查询企业项目列表 创建工作空间 查询工作空间列表 查询工作空间详情 更新工作空间 删除工作空间 父主题: API

  • 在线服务API - 推荐系统 RES

    在线服务API 获取规格列表 部署服务 预测接口 预测接口(排序) 预测接口(文本标签) 更新服务 查询服务列表 查询服务详情 订阅服务 停止/启动服务 删除服务 查询镜像列表 父主题: API(V1不推荐)

  • 排序策略-离线排序模型 - 推荐系统 RES

    依次计算出更新步长。 学习率:优化算法的参数,决定优化器在最优方向上前进步长的参数。默认0.001。 数值稳定常量:为保证数值稳定而设置的一个微小常量。默认1e-8。 adagrad:自适应梯度算法 对每个不同的参数调整不同的学习率,对频繁变化的参数以更小的步长进行更新,而稀疏的参数以更大的步长进行更新。

  • 作业相关API - 推荐系统 RES

    提交数据质量作业 策略参数说明 停止算子作业 查询作业列表 查询作业详情 重新执行作业 删除作业 提交效果评估任务 查询效果指标 编辑修改作业 更新索引结构 父主题: API(V1不推荐)

  • RES操作流程 - 推荐系统 RES

    RES根据实时发送到DIS上的日志,进行数据计算和处理,更新用户的相关数据。 实时日志 运行推荐策略 创建离线作业 创建离线作业包括进行数据质量检测、创建组合作业、特征工程、召回策略、排序策略、过滤规则等作业。 运行推荐作业 创建在线服务 - 创建在线服务用于部署上线服务、更新模型。配置实时计算的逻辑,包括

  • 排序策略 - 推荐系统 RES

    依次计算出更新步长。 学习率:优化算法的参数,决定优化器在最优方向上前进步长的参数。默认0.001。 数值稳定常量:为保证数值稳定而设置的一个微小常量。默认1e-8。 adagrad:自适应梯度算法 对每个不同的参数调整不同的学习率,对频繁变化的参数以更小的步长进行更新,而稀疏的参数以更大的步长进行更新。

  • 提交实时流近线作业 - 推荐系统 RES

    入物品画像) NEARLINE_UPDATE_USER_PORTRAIT(根据行为日志,更新用户画像) NEARLINE_UPDATE_USER_CANDIDATE_SET(根据行为日志,更新用户候选集) parameter 是 JSON 请参见表9,算法参数。 表9 parameter参数说明

  • 数据源管理简介 - 推荐系统 RES

    表并存储到OBS,推荐数据目前支持JSON格式。 离线数据为初次对接RES的批量数据,供场景中的召回算法和排序算法进行计算。近线数据可实时更新、增加用户和物品表数据,同时实时行为数据,可作为后续近线召回计算,这些近线行为数据也会和离线行为数据进行汇总存储,供离线计算。 数据源管理流程及功能简介

  • 查询镜像列表 - 推荐系统 RES

    镜像版本。 type 是 String 镜像类型。 build_time 是 Long 镜像构建时间。 update_time 是 Long 镜像更新时间。 示例 成功响应示例 { "is_success": true, "images": [ { "image_id":

  • 如何开始使用RES? - 推荐系统 RES

    在使用RES之前,首先您需要创建一个数据源,后续的操作都是基于您创建的数据源进行的。 创建离线数据源 上传实时数据(可选) RES通过SDK上传实时数据,进行数据计算和处理,更新用户的相关数据。 上传实时数据 数据质量管理 数据质量管理操作可以将数据源经过数据特征抽取,生成推荐系统内部通用的数据格式。 数据质量管理

  • 预测接口 - 推荐系统 RES

    权重,默认是“false”。如果“online_override”的值是“false”,则采用标签融合的方式,即在线预测的新标签值及权重会更新已有的标签及权重值。 priority_tags 否 List 由属性、属性值、属性权重以及该属性在物品中的数据类型信息组成的数据格式的列

  • 什么是推荐系统 - 推荐系统 RES

    荐。 场景式推荐 提供多维度的场景推荐,含猜你喜欢、关联推荐、热门推荐,一键式操作,降低客户接入门槛。 近线处理能力 支持实时数据的接入和更新、模型在线学习,近线处理实时训练兴趣模型。 全面的推荐实体 支持以用户推荐物品、以用户推荐用户、以物品推荐物品、以物品推荐用户四种全面的推

  • 查询服务列表 - 推荐系统 RES

    failed_times 是 String 服务失败调用次数。 publish_time 是 Long 服务发布时间。 update_time 是 Long 服务更新时间。 示例 成功响应示例 { "is_success": true, "services": [ { "service_id":

  • RES操作流程 - 推荐系统 RES

    在使用RES之前,首先您需要创建一个数据源,后续的操作都是基于您创建的数据源进行的。 创建离线数据源 上传实时数据(可选) RES通过SDK上传实时数据,进行数据计算和处理,更新用户的相关数据。 上传实时数据 数据质量管理 数据质量管理操作可以将数据源经过数据特征抽取,生成推荐系统内部通用的数据格式。 数据质量管理