已找到以下 145 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
  • 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。

  • 错误码 - 推荐系统 RES

    Error 重复key值 请检查key值是否重复。 400 RES.3410 Basic Error 不支持key值({0}) 请检查key值是否负荷文档要求。 400 RES.3411 Basic Error 工作空间({0})下资源未清空 请清空该工作空间下资源。 400

  • 上传实时数据 - 推荐系统 RES

    "xxxx"; // 配置上传数据 PutRecordsRequest putRecordsRequest = new PutRecordsRequest(); putRecordsRequest.setStreamId(streamId); List<PutRecordsRequestEntry>

  • 如何上传实时数据? - 推荐系统 RES

    "xxxx"; // 配置上传数据 PutRecordsRequest putRecordsRequest = new PutRecordsRequest(); putRecordsRequest.setStreamId(streamId); List<PutRecordsRequestEntry>

  • 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。

  • 获取推荐结果 - 推荐系统 RES

    展程序(也可使用其它支持发送post请求软件)。 打开Postman,如图4所示。 图4 Postman界面 在Postman界面填写参数。 选择POST任务,将通过获取预测接口获取调用地址复制到POST后面的方框。Headers页签“KEY”值填写为“X-Auth-Tok

  • 效果评估 - 推荐系统 RES

    阈值:阈值是用来衡量用户行为有效性标准, 当数据源actionMeasure值大于阈值时, 当前用户行为有效。 去重:您可以单击勾选,根据用户对行为记录去重。 指标设置 指标名称:请您定义评估指标名称。 指标公式:用户指定自定义指标公式,如:A/(A+B),参数A、B代表自定义参数参数别名。只支持+、-、*、/。

  • 在线服务 - 推荐系统 RES

    序相关得分权重值。 融合方式:当同时选择点击率预估和综合排序进行重排序时,汇总分数时统计方式。根据数值属性大小顺序(ORDER)或者绝对值进行权重累加(ABS)统计。 高级类型选项 打散 打散是指推荐结果集中根据客体选择字符串类型属性进行打散,避免推荐结果集过于集中,增加推荐结果的新颖性。

  • 排序策略 - 推荐系统 RES

    数值稳定常量:为保证数值稳定而设置一个微小常量。默认1e-8。 adagrad:自适应梯度算法 对每个不同参数调整不同学习率,对频繁变化参数以更小步长进行更新,而稀疏参数以更大步长进行更新。 学习率:优化算法参数,决定优化器在最优方向上前进步长参数。默认0.001。 初

  • 获取推荐结果 - 推荐系统 RES

    单击目标服务名称前方查看预测接口,通过单击预测接口右侧复制接口地址,调用服务。 图2 获取预测接口 通过在线服务详情页面获取接口 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。 单击目标服务名称进入服务详情页面,通过单击预测接口右侧复制接口地址,调用服务。

  • 数据结构 - 推荐系统 RES

    增加用户特征。单击特征后方删除不需要用户特征。 物品特征 列表中展示抽取物品特征和参数类型,此特征会额外应用于所选字段功能。您可以根据业务需求单击增加物品特征。单击特征后方删除不需要物品特征。 您可以从“应用于”右侧下拉选项中设置该数据使用维度是“兴趣属性”或者“关键词提取”。其中:

  • 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

  • 数据源管理简介 - 推荐系统 RES

    数据源数据格式和近线数据导入格式要求一致,包括用户数据、物品数据和行为数据。 用户数据 用户数据包括数据源中“用户属性表”和用于近线计算“用户画像”数据。用户数据记录用户属性信息,例如地域、爱好等。 物品数据 物品数据包括数据源中“物品属性表”和用于近线计算“物品画

  • 创建离线数据源 - 推荐系统 RES

    创建离线数据源 在使用RES之前,首先您需要创建一个数据源,后续操作,如修改数据源、创建自定义推荐,都是基于您创建数据源进行。 前提条件 已创建用于存储数据OBS桶及文件夹,并且数据存储OBS桶与RES在同一区域。 需要使用数据已上传至OBS。 创建数据源 登录RES管理控制台

  • 离线数据和近线实时数据如何配合使用? - 推荐系统 RES

    离线数据和近线实时数据如何配合使用? 在推荐系统初始化阶段,需要用户提供批量离线数据源并按照推荐系统要求数据格式上传至OBS,完成数据检测和导入。 近线实时数据源推荐使用RES SDK上传,此操作所有的数据更新都是实时生效。 父主题: 数据源

  • 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

  • 离线数据源 - 推荐系统 RES

    用户需要自己手工创建整理这些表并存储到OBS上。 每张表表结构必须符合推荐系统要求,列名和字段类型需要和规范中保持一致(参考下面的表结构说明)。 每张表中填充数据,必须符合推荐引擎要求。 对于业务数据中无法提供字段可以填NULL。 用户属性表 用户属性表记录用户属性信息,例如地域、爱好等,属性名和属性值成对出现。

  • 产品功能 - 推荐系统 RES

    批处理、近线流处理、在线实时处理三种数据处理方式,提供完备一站式推荐平台,可快速设置运营规则进行AB测试。 功能优势: 全开放推荐流程,用户根据业务自定义推荐流程。 特征工程,特征处理多样化,支持自定义特征散列等。 丰富推荐策略,提供丰富召回、过滤、排序算子。 运营助手,

  • 准备离线数据源 - 推荐系统 RES

    itemType String 物品类型。 是 itemId String 对应行为发生对象值。如果是和物品发生关系,则是物品id(itemId)值。 是 actionType String 行为类型,包括正向行为和负向行为。下面为预置行为类型和对应权重,权重有默认分数,默认

  • 创建OBS桶 - 推荐系统 RES

    品ID形式在OBS上存储。 操作步骤 登录OBS管理控制台,创建OBS桶。例如,创建名称为“obs-res”OBS桶。 创建桶区域需要与RES所在区域一致。例如:当前RES在华北-北京一区域,在对象存储服务创建桶时,请选择华北-北京一。 通过OBS创建用于存放数据文件夹