已找到以下 61 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
  • 提交组合作业 - 推荐系统 RES

    cluster_name 否 String 集群名称。 data_version 否 String 数据版本号。V1或者V2。 region_info 否 JSON 预分区信息。如果选择数据版本为V2时,才需要设置预分区信息。V1则默认不进行预分区。请参见表17,预分区信息。 表10 algorithm_setting参数说明

  • 数据导入 - 推荐系统 RES

    开启调度,可按照您所设置的时间周期性的提交任务。 “调度周期”:调度周期可选“天”或“周”。 “调度类型”:包括自定义和间隔调度。 “开始调度时间”:选择具体的调度时间。可在此下拉框中勾选具体的时间点。 “时间间隔(小时)”:如果选择的调度类型为间隔调度,需要配置调度的时间间隔。 设置完成后,单击“确定”,重新导入数据。

  • 通过DLF进行作业监控及任务异常重新启动 - 推荐系统 RES

    当检测到近线任务(实时流任务)失败时,才会进行第二个节点的作业。 单击“保存”后,进行“测试运行”。确保功能正常。 在页面右侧,单击“调度配置”,根据需求设置任务的调度周期及其他参数。 在页面作业,选择“运维调度>作业监控”,单击“执行调度”,调度完成可单击作业名称左侧查看调度详情。 父主题: 查询作业详情

  • 获取推荐结果 - 推荐系统 RES

    代码:输入预测代码,单击“预测”后显示预测结果,如图1所示。输入用户ID、推荐数量,根据您设置的策略返回用户的预测结果。如果是关联推荐,需要配置“物品项”,即推荐与物品项相关的产品。如果物品项有多个,需要用英文逗号隔开。 图1 代码预测 表单:输入“ID”,并设置“最大推荐个数”。其中ID可以为用户ID或者物品ID,

  • 管理离线作业 - 推荐系统 RES

    计算引擎:服务名、集群名称、任务配置地址、资源名信息、 存储平台:服务名、集群名称、表名。 数据源:数据表类型、数据源、数据格式。 召回策略信息 该离线作业设置的召回策略详情,召回策略信息包括: 策略别名,策略显示的名称。 OBS地址,推荐业务人员可从OBS中选择保存有人工编辑推荐结果的列表,进行人工推荐便于进行ABTest。

  • 过滤规则 - 推荐系统 RES

    特征工程名称:请以“Filter-”开始,只能由字母、数字、中划线和下划线组成,并且长度小于64个字符。 “场景”信息可选择您在全局配置页面创建的场景。 根据表1设置计算引擎和存储平台相关参数,并根据业务需要在“增加历史行为过滤”,如图2所示。 图2 创建过滤规则 表1 过滤规则参数说明 参数名称 说明

  • 如何开始使用RES? - 推荐系统 RES

    您可以通过管理控制台进行结果预测,也可以通过API接口获取最终的推荐结果。 智能场景 获取推荐结果 自定义场景 获取推荐结果 效果评估(可选) - 创建效果评估可以对服务设置指标,查看推荐结果的具体衡量指标。 智能场景 效果评估 自定义场景 效果评估 父主题: 基础问题

  • RES操作流程 - 推荐系统 RES

    您可以通过管理控制台进行结果预测,也可以通过API接口获取最终的推荐结果。 智能场景 获取推荐结果 自定义场景 获取推荐结果 效果评估(可选) - 创建效果评估可以对服务设置指标,查看推荐结果的具体衡量指标。 智能场景 效果评估 自定义场景 效果评估

  • 准备离线数据源 - 推荐系统 RES

    如不设置,默认值为1。 否 publishTime Long 发布时间,采用UTC标准时间,单位以秒计。对物品有实时性要求的则必填。 否 expireTime Long 失效时间,采用UTC标准时间,单位以秒计。当前服务器的时间大于该时间时,此物品将不会被推荐。如不设置,代表永不失效。

  • 查询镜像列表 - 推荐系统 RES

    image_id 是 String 镜像ID。 model_name 是 String 镜像名称。 model_version 是 String 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。

  • 查看在线服务详情 - 推荐系统 RES

    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。 单击配置记录前方的可查看该记录下详细的模型信息,包括模型名称、版本、分流、计算节点规格和计算节点个数。 排序模型更新记录 展示模型的更新记录。包括模型名称、状态、更新时间和消息。 父主题: 在线服务

  • 排序策略-离线排序模型 - 推荐系统 RES

    考虑,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。

  • 获取推荐结果 - 推荐系统 RES

    代码:输入预测代码,单击“预测”后显示预测结果,如图1所示。输入用户ID和推荐数量,或者物品项,根据您设置的策略返回用户的预测结果。如果物品项有多个,需要用英文逗号隔开。 图1 代码预测 表单:输入“ID”和设置“最大推荐个数”,也可以设置“物品项”。其中ID可以为用户ID或者物品ID,单击“预测”后显示预测结

  • 获取推荐结果 - 推荐系统 RES

    单击目标服务名称进入服务详情页面,单击下方的“预测”页签,输入预测代码,单击“预测”后显示预测结果,如图1所示。输入用户ID和推荐数量,根据您设置的召回策略等返回用户的预测结果。 图1 在线预测 获取预测接口 通过在线服务页面获取接口 登录RES管理控制台,在左侧菜单栏中选择“在线服务”,进入服务列表页面。

  • 召回策略 - 推荐系统 RES

    数据中每个用户最靠后的行为数据的时间往前N天的行为数据计算用户偏好。建议至少设置30天。 “绝对时间间隔”:指定历史行为时间段,选取数据中每个用户距离现在时间往前N天的行为数据计算用户偏好。建议至少设置30天。 “行为类型”:指定行为类型。 “最小次数”:行为次数下界,高于此的物品才会被选中。默认为1。

  • 智能场景(猜你喜欢) - 推荐系统 RES

    导您获取推荐结果。 选择“代码”方式,在左侧框内输入预测代码,单击“预测”后在右侧显示预测结果,如图6所示。输入用户ID和推荐数量,根据您设置的策略返回用户的预测结果。 图6 代码预测 请求代码 “id”为需要请求的用户id,“rec_num”为推荐物品的数量。 {

  • 构造请求 - 推荐系统 RES

    用户名、账号名和项目name。 scope参数定义了Token的作用域,下面示例中获取的Token仅能访问project下的资源。您还可以设置Token的作用域为某个账号下所有资源或账号的某个project下的资源,详细定义请参见获取用户Token。 POST https://iam

  • 提交特征工程作业 - 推荐系统 RES

    th) 是 String 该文件为JSON格式,包含特征名、特征大类、特征值类型。全局特征文件详细内容可以通过查询全局特征配置获取。 高级设置(writer_parameters) 否 JSON 请参见表10。 表9 algorithm_parameters参数说明-BUILD_

  • ModelArts - 推荐系统 RES

    推荐系统创建的场景是否会立即发布? 推荐系统支持哪些自定义策略? 如何查看推荐系统消费详情? 更多 技术专题 技术、观点、课程专题呈现 Cloud Native Lives Kubernetes系列课程,带你走进云原生技术的核心 GO语言深入之道 介绍几个Go语言及相关开源框架的插件机制

  • 策略参数说明 - 推荐系统 RES

    决定优化器在优化方向上前进步长的参数。取值范围(0,1],默认值为0.001。 自适应矩估计(adam) 数值稳定常量(epsilon) 是 Double 为保证数值稳定而设置的一个微小常量。取值范围(0,1],默认值为1.00E-08。 学习率(learning_rate) 是 Double 决定优化器在优化方向上前进步长的参数。取值范围(0