已找到以下 214 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
  • 命名实体识别模型 - 推荐系统 RES

    "在贵州黔东南苗族侗族自治州台江县革一镇乡下,有一座两层小木屋,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。" } 成功响应示例 {

  • 应用场景 - 推荐系统 RES

    买了又买等推荐场景,但各个子场景运营规则均不一致。 RES提供一站式电商推荐解决方案,在一套数据源下,支持多种电商推荐场景,提供面向电商推荐场景多种推荐相关算法和大数据统计分析能力。 场景优势 能够精确匹配电商运营规则。 最近邻算法与深度学习结合,挖掘用户高维稀疏特征,匹配最佳推荐结果。

  • 排序策略-离线排序模型 - 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

  • 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

  • 智能场景简介 - 推荐系统 RES

    针对对应场景,由RES根据场景类型预置好对应智能算法,为匹配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。

  • 召回策略 - 推荐系统 RES

    置调度时间间隔。 基于用户协同过滤推荐 基于用户协同过滤推荐采用经典算法基于用户协同过滤(UserCF)进行召回。基于用户协同过滤算法是通过用户历史行为数据发现用户对物品喜欢(如购买,收藏,内容评论或分享),并对这些喜好进行度量和打分。根据不同用户对相同物品态度和

  • 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

  • 猜你喜欢主要应用场景是什么? - 推荐系统 RES

    猜你喜欢主要应用场景是什么? 猜你喜欢主要应用于浏览意向不明确,如首页推荐等,RES能够根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。 父主题: 智能场景

  • 更新自定义场景内容 - 推荐系统 RES

    场景名称,1-64位字母、数字、下划线、中划线组合。 最小长度:1 最大长度:64 specs_config 是 SpecsConfig object 计算规格。 type 是 String 场景类型: UI,基于用户推荐物品 UU,基于用户推荐用户 II,基于物品推荐物品 IU,基于物品推荐用户

  • 与其他云服务关系 - 推荐系统 RES

    一入口鉴权功能和OBS与DIS委托授权。IAM更多信息请参见《统一身份认证服务文档》。 ModelArts ModelArts是面向AI开发者一站式开发平台,排序策略使用Modelarts深度学习计算能力训练得到排序模型。ModelArts更多信息请参见《ModelArts服务文档》。

  • 与其他云服务关系 - 推荐系统 RES

    一入口鉴权功能和OBS与DIS委托授权。IAM更多信息请参见《统一身份认证服务文档》。 ModelArts ModelArts是面向AI开发者一站式开发平台,排序策略使用Modelarts深度学习计算能力训练得到排序模型。ModelArts更多信息请参见《ModelArts服务文档》。

  • 创建自定义场景 - 推荐系统 RES

    场景名称,1-64位字母、数字、下划线、中划线组合。 最小长度:1 最大长度:64 specs_config 是 SpecsConfig object 计算规格。 type 是 String 场景类型: UI,基于用户推荐物品 UU,基于用户推荐用户 II,基于物品推荐物品 IU,基于物品推荐用户

  • 策略参数说明 - 推荐系统 RES

    SpecificBehavior 综合行为热度推荐 BehaviorsWeight 基于物品协同过滤推荐 ItemCF 基于用户协同过滤推荐 UserCF 基于交替最小二乘矩阵分解推荐 AlsCF 基于历史行为记忆生成候选集 HistoryBehaviorMemory 人工录入生成候选集

  • 近线作业 - 推荐系统 RES

    优化器类型:ftrl。适用于处理超大规模数据,含大量稀疏特征在线学习常见优化算法 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0.1。 初始梯度累加和:梯度累加和用来调整学习步长。默认0.1。 L1正则项系数:叠加在模型1范数之上,用来对模型值进行限制防止过拟合。默认0。

  • 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。

  • 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。

  • 什么是推荐系统 - 推荐系统 RES

    用户根据场景选择不同推荐实体。 独立排序模块 独立基于CTR预估排序打分模块,支持个性化排序能力。 如何访问RES 您可以通过以下任何一种方式访问RES。 管理控制台 管理控制台是基于浏览器可视化界面。通过管理控制台,您可以使用直观界面进行相应操作。使用方式请参见《推荐系统用户指南》。

  • 修改数据源内容 - 推荐系统 RES

    描述 offline 是 String 离线计算规格。 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

  • 查询场景详情 - 推荐系统 RES

    参数 参数类型 描述 offline String 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/testuuidxxxxxx

  • 创建数据源 - 推荐系统 RES

    创建数据源 功能介绍 在指定工作空间下面创建一个新数据源。 调试 您可以在API Explorer中调试该接口。 URI POST /v2.0/{project_id}/workspaces/{workspace_id}/data-sources 表1 路径参数 参数 是否必选