检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
行排除,使之依旧在候选集里。 时间区间:指定用户行为时间,取值1-7,默认为1。 行为类型:指定行为类型,对有该行为类型的物品进行过滤。最多选五种。 排除行为类型:将有此行为类型的物品排除掉,使之依旧在候选集中。 属性去重 单击增加属性去重。 “属性名”:从下拉列表中选择属性名进
通过创建组合作业,用户可以根据配置的策略规则进行离线计算得到不同策略的候选集ID,来进行在线流程计算,得到用户满意的推荐结果。组合作业具体实现请参见图1。 图1 组合作业 创建组合作业主要包括如下设置: 基本配置 资源选择 召回策略 过滤规则 排序策略 预览配置 基本配置 基本配置主要包括设置组合作业的名称和描述。
户画像、物品画像和推荐候选集等数据。使用近线作业,用户需先将业务系统埋点日志转换成实时日志指定格式,并实时写入DIS相应通道。近线作业具体实现请参见图1。 图1 近线策略 近线策略的具体功能如下: 基于行为数据的用户画像更新 基于用户的标签搜索候选集 基于用户数据更新用户画像 基于物品数据更新物品画像
配置过期时间实现新闻的过期下架 在新闻推荐等对物料的时效性要求较高的场景,可配置物料的过期时间expireTime,设置每一条新闻的有效期,使新闻在有效期内实现可推送,超过有效期,不会被推送。 表1 物品数据中expireTime字段描述 字段名 类型 描述 是否必选 expireTime
通过DLF重新执行作业 推荐系统提供了重新执行作业的API,用来将任务以相同的配置重新执行一次,实现对离线任务生成结果的更新。以固定的周期定时调用此API,可保持结果处于一个较新的状态,以获得更好的推荐结果。 以上功能,我们也可以使用数据治理中心 DataArts Studio,
场景优势 可以实现7*24小时,智能学习用户行为,构建兴趣模型。 兴趣文章命中率高,用户粘性增强,PV增幅明显。 减少人工运营规则的摄入,减低人力成本。 全流程自动化,批/流训练结合,稳定可靠。 图2 RES媒资推荐 RES+房产应用场景 场景描述 推荐系统助力房产企业APP实现首页推荐、详情推荐和个人中心推荐。
创建自定义场景 自定义场景基于用户群体不同推荐场景的需求,提供了多种多样的推荐策略和算法,实现了端到端的自定义推荐场景搭建,使每一个推荐场景都能得到针对性的推荐效果提升。 前提条件 已经存在创建成功并完成数据探索的数据源。 由于训练作业运行需消耗资源,确保账户未欠费。 确保您使用的OBS目录与RES在同一区域。
编辑页面。 图1 修改在线服务参数 修改“过滤(黑名单)”下面的参数。 “实时行为过滤” :“开启”。 “时间区间(天)”:配置为1,即可实现过滤用户近一天(预测请求的时间点前推24h)内浏览或者曝光过的物品。 “行为类型”:配置“view”和“click”。 图2 配置过滤条件
工作空间简介 RES工作空间帮您实现离线作业、近线作业和在线服务隔离的功能,达到不同角色用户信息隔离管理的目的。 如果您未开通企业项目管理服务的权限,您可以在RES创建自己独立的工作空间。 如果你开通了企业项目管理服务的权限,可以在创建工作空间的时候绑定企业项目,并在企业项目下添
配置物品status状态,完成物品的上下架 在推荐系统中,有一种常见的场景,最终推荐列表是否展示无库存或者已下架商品。针对此场景,RES系统在物品表中提供status字段来实现物品的上下架。 参考准备离线数据源中的物品表字段介绍,status置为0,代表该物品可被推荐。status置为1,代表该物品不可推荐,代替
灵活配置物品状态和过期时间,保障有效性和实效性 配置物品status状态,完成物品的上下架 配置过期时间实现新闻的过期下架
场景提供智能推荐服务。 智能场景功能说明 表1 功能说明 功能 说明 详细指导 猜你喜欢 推荐系统结合用户实时行为,推送更具针对性的内容,实现“千人千面”。 创建智能场景 关联推荐 基于大规模机器学习算法,深度挖掘物品之间的联系,自动匹配精准内容。 热门推荐 基于多维度数据分析,
请参见《数据湖探索文档》。 对象存储服务 对象存储服务(Object Storage Service,简称OBS)存储RES的推荐数据源,实现安全、高可靠和低成本的存储需求。OBS的更多信息请参见《对象存储服务文档》。 数据接入服务 数据接入服务(Data Ingestion S
请参见《数据湖探索文档》。 对象存储服务 对象存储服务(Object Storage Service,简称OBS)存储RES的推荐数据源,实现安全、高可靠和低成本的存储需求。OBS的更多信息请参见《对象存储服务文档》。 数据接入服务 数据接入服务(Data Ingestion S
el)来对特征交互进行建模,以此来计算两个域中特征的相互关系,其中核的种类包括向量内积外积、矩阵乘法、神经网络等。利用核函数建模特征交互,实现了参数共享,减小了模型复杂度。PIN算法请参见核函数特征交互神经网络。 config 否 JSON 其他配置,预留字段。 响应消息 响应参数请参见表3。
授权项列表说明如下: 权限:允许或拒绝某项操作。 授权项:自定义策略中支持的Action,在自定义策略中的Action中写入授权项,可以实现授权项对应的权限功能。 对应API接口:自定义策略实际调用的API接口。 授权范围:自定义策略的授权范围,包括IAM项目与企业项目。授权范
CANDIDATES_SET 特定行为热度推荐算法生成的候选集。 基于综合行为热度推荐 基于综合行为热度推荐与基于特定行为热度推荐的召回原理大体相同,不同点是用统计几种行为的加权热度代替了特定行为热度。 表4 参数说明 参数名称 说明 默认值 策略别名 策略显示名称,由中文、英文、数字、下划线、空格
el)来对特征交互进行建模,以此来计算两个域中特征的相互关系,其中核的种类包括向量内积外积、矩阵乘法、神经网络等。利用核函数建模特征交互,实现了参数共享,减小了模型复杂度。单击查看核函数特征交互神经网络详细信息。 表5 核函数特征交互神经网络参数说明 参数名称 说明 计算节点信息