已找到以下 102 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
  • 排序策略 - 推荐系统 RES

    使用于在线服务,为用户生成推荐列表。当作业“状态”变为“计算失败”时,您可以单击作业的名称,进入详情页面,通过查看日志等手段处理问题。 逻辑斯蒂回归-LR 逻辑斯蒂回归算法是一种广义的线性回归分析模型,常用于数据挖掘、疾病自动诊断、经济预测等领域。逻辑斯蒂回归算法通过在线性回归的

  • 修改数据源内容 - 推荐系统 RES

    nearline 否 String 实时计算规格。 rank 否 String 深度学习计算规格。 online_tps 否 Integer 在线服务最大并发数。 响应参数 状态码: 200 表10 响应Body参数 参数 参数类型 描述 is_success Boolean 是否成功。

  • 数据质量 - 推荐系统 RES

    数据质量检测日志的保存路径。包括错误数据输出及定位等。 全局特征信息文件 用户在使用数据质量检测算子之前,需要提供一份全局的特征信息文件,后续的特征工程、排序算法、在线服务都会用到该文件。全局特征信息文件需要和画像中字段一致,其中BASIC_INFO为画像表中定义的基本属性字段,TAGS为画像表中定义的带

  • 查询场景详情 - 推荐系统 RES

    离线计算规格。 nearline String 实时计算规格。 rank String 深度学习计算规格。 online_tps Integer 在线服务最大并发数。 请求示例 查询场景详情 /v2.0/testuuidxxxxxxxxxxxxxxxxxxxxxxxx/workspace

  • 创建数据源 - 推荐系统 RES

    nearline 否 String 实时计算规格。 rank 否 String 深度学习计算规格。 online_tps 否 Integer 在线服务最大并发数。 表5 DataConfig 参数 是否必选 参数类型 描述 offline 是 Offline object 离线计算规格。

  • 创建自定义场景 - 推荐系统 RES

    nearline 否 String 实时计算规格。 rank 否 String 深度学习计算规格。 online_tps 否 Integer 在线服务最大并发数。 响应参数 状态码: 200 表7 响应Body参数 参数 参数类型 描述 is_success Boolean 是否成功。

  • 创建智能场景 - 推荐系统 RES

    从右侧下拉框中选择RES系统中已有的数据源。当无可用数据源时,此下拉框为空。 描述 对于该场景的描述信息。 场景规格 - 选择离线计算、实时计算、排序模型训练规格和在线并发数。 个性化配置 匹配特征对 匹配用户和物品特征,以便于筛选出该用户相关联的物品进行推荐。 用户特征名:从下拉框中选择目标用户特征用于和物品特征进行匹配。

  • 查询场景列表 - 推荐系统 RES

    离线计算规格。 nearline String 实时计算规格。 rank String 深度学习计算规格。 online_tps Integer 在线服务最大并发数。 请求示例 查询当前工作空间下的场景列表 /v2.0/testuuidxxxxxxxxxxxxxxxxxxxxxxxx/w

  • 查询数据源列表 - 推荐系统 RES

    离线计算规格。 nearline String 实时计算规格。 rank String 深度学习计算规格。 online_tps Integer 在线服务最大并发数。 请求示例 查询当前工作空间下的数据源 /v2.0/testuuidxxxxxxxxxxxxxxxxxxxxxxxx/wo

  • 实时日志 - 推荐系统 RES

    否 traceId String 用于追踪每个被推荐物品的唯一ID。用于推荐效果的计算。 否 flowId String 用于计算每一个在线服务的效果。flowId由推荐系统的API返回给用户,用户需把flowId写到用户行为日志中。 否 实时行为日志示例 { "userId":

  • 提交排序任务API - 推荐系统 RES

    每个算法有其各自的参数列表,包括初始化、最优化、正则项等参数。 逻辑斯蒂回归算法是一种广义的线性回归分析模型,常用于数据挖掘、疾病自动诊断、经济预测等领域。逻辑斯蒂回归算法通过在线性回归的基础上叠加一个sigmoid激活函数将输出值映射到[0,1]之间,是机器学习领域里常用的二分类算法。LR算法参数请参见逻辑斯蒂回归。

  • 离线数据源 - 推荐系统 RES

    览。 否 traceId String 用于追踪每个被推荐物品的唯一ID。用于效果的计算。 否 flowId String 用于计算每一个在线服务的效果。flowId由推荐系统的API返回给用户,用户需把flowId写到用户行为日志中。 否 用户操作行为示例 { "userId":"user1"

  • 提交效果评估任务 - 推荐系统 RES

    job_description 否 String 作业描述,最大长度256字符。 online_services 是 List 需要进行效果评估的在线服务; indicators 是 List 请参见表3,需要统计的指标列表及其对应的参数。 start_time 是 Long 被统计数据的起始时间戳。

  • 准备离线数据源 - 推荐系统 RES

    ID,用于场景维度的区分。 否 traceId String 用于追踪每个被推荐物品的唯一ID。用于推荐效果的计算。 否 flowId String 用于计算每一个在线服务的效果。flowId由推荐系统的API返回给用户,用户需把flowId写到用户行为日志中。 否 数据示例 单击下载样例数据,将样例数据下载至本地

  • 召回策略 - 推荐系统 RES

    选择导入候选集类型,目前支持以下三种。 物品-分数候选集:物品-分数候选集可以用于在线服务的推荐候选集。 用户相似度候选集:用户相似度候选集可用于实时召回。 物品相似度候选集:物品相似度候选集可用于实时召回与在线服务的推荐候选集。 最大推荐结果数 最多生成多少个推荐结果。默认为100。 开启调度

  • 召回策略 - 推荐系统 RES

    您可以前往召回策略列表,查看作业的基本情况。在作业列表中,刚创建的作业“状态”为“计算中”,当作业“状态”变为“计算成功”时,表示作业运行结束,生成的候选集ID将使用于在线服务,为用户生成推荐列表。当作业“状态”变为“计算失败”时,您可以单击作业的名称,进入详情页面,通过查看日志等手段处理问题。 基于特定行为热度推荐

  • 返回结果 - 推荐系统 RES

    返回结果 状态码 请求发送以后,您会收到响应,包含状态码、响应消息头和消息体。 状态码是一组从1xx到5xx的数字代码,状态码表示了请求响应的状态,完整的状态码列表请参见状态码。 对于获取用户Token接口,如果调用后返回状态码为“201”,则表示请求成功。 响应消息头 对应请求

  • 上传实时数据 - 推荐系统 RES

    上传实时数据 RES通过DIS SDK上传实时数据,用户实时日数据并做近线处理。当前仅支持Java语言的SDK,示例请参见《数据接入服务SDK参考》。 前提条件 如果需要使用近线上传实时数据的用户,可以使用DIS SDK接口上传,请您按照需求下载DIS SDK,下载完之后按照下面的说明进行SDK升级。

  • 获取推荐结果 - 推荐系统 RES

    获取推荐结果 智能创建完成,运行成功后,当服务状态会显示“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

  • 如何上传实时数据? - 推荐系统 RES

    如何上传实时数据? 推荐系统支持您通过SDK上传实时数据,具体操作方法如下。 前提条件 如果需要使用近线上传实时数据的用户,可以使用DIS SDK接口上传,请您按照需求下载DIS SDK,下载完之后按照下面的说明进行SDK升级。 子账户无法使用SDK上传数据,需要主账号授权子账号DIS