已找到以下 170 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
  • 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。

  • 提交排序任务API - 推荐系统 RES

    1]之间,是机器学习领域里常用二分类算法。LR算法参数请参见逻辑斯蒂回归。 因子分解机算法是一种基于矩阵分解机器学习算法,能够自动进行二阶特征组合、学习特征之间关系,无需人工经验干预,同时能够解决组合特征稀疏问题。FM算法参数请参见因子分解机。 域感知因子分解机是因子分解机改进版本,因子

  • 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

  • 查询镜像列表 - 推荐系统 RES

    类型 说明 project_id 是 String 项目编号,用于资源隔离。获取方法请参见获取项目ID。 type 是 String 查询镜像类型, 可选infer, rank, nlp。 响应消息 响应参数请参见表2。 表2 响应参数说明 参数名称 是否必选 参数类型 说明 is_success

  • 召回策略 - 推荐系统 RES

    topK 用户最感兴趣排序在前K个物品。 行为 行为类型:用户感兴趣行为类型。 权重值:行为初始权重。 衰减系数:用于衰减行为初始权重系数。 有效时间:用户配置行为发生时间与当前时间间隔,以小时为单位。系统只处理在该时间范围内行为记录。 基于用户相似度实时召回 基于用

  • 实时日志 - 推荐系统 RES

    实时日志 RES根据实时发送到DIS上日志,进行数据计算和处理,更新用户相关数据。用户发送到DIS上数据具体如下: 实时行为日志 实时行为日志作用包括: 更新用户兴趣标签。 记录所选行为类型历史记录。 更新用户上下文信息。 召回候选集。 表1 实时行为日志字段描述 字段名

  • 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。

  • 提交效果评估任务 - 推荐系统 RES

    online_services 是 List 需要进行效果评估在线服务; indicators 是 List 请参见表3,需要统计指标列表及其对应参数。 start_time 是 Long 被统计数据起始时间戳。 end_time 是 Long 被统计数据终止时间戳。 interval 是 Double

  • 召回策略 - 推荐系统 RES

    UserCF算法生成用户-物品列表候选集。 基于交替最小二乘矩阵分解推荐 基于交替最小二乘矩阵分解推荐:基于用户-物品行为信息作为原始矩阵,利用ALS优化算法对原始矩阵进行矩阵分解,分解之后用户隐向量矩阵和物品隐向量矩阵可以用来生成预估用户-物品评分矩阵,提取出评分最高若干个物品作为召回结果。

  • 特征工程 - 推荐系统 RES

    得超过行为数据时间范围。 测试数据时间:测试数据起始时间和终止时间,该起始时间和终止时间不得超过行为数据时间范围。 “RATE” 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,训练集占整个训练集和测试集比例,默认0.3。