已找到以下 43 条记录
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
产品选择
没有找到结果,请重新输入
  • 计费说明 - 推荐系统 RES

    目数不超过100W条,则按照100W条计费,如果超过一百万条,每一百万条为一个计算周期。 计算资源 应用于召回、排序等作业运行时CPU/GPU计算,包含RES的数据源、推荐场景的离线作业计算计费。 如果选取4CU计算规格执行一小时作业运行,则按需消耗为0.49*4=1.96元。 在线服务

  • 实时日志 - 推荐系统 RES

    actionDateTime String 行为发生的时间,采用UTC标准时间,单位以秒计。 否 actionLocation String 行为发生的位置,精度维度格式:[latitude, longitude]。 否 context Json 动作发生的上下文信息,内容为json对象,也可作为行

  • 创建智能场景 - 推荐系统 RES

    创建智能场景 猜你喜欢主要应用于浏览意向不明确,如首页推荐等,RES能够根据用户的长短期行为表现出来的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的物品的关联推荐,根据已关联的物品对相关的内容和行为进行挖掘,网状匹配相关联的物品,进行有关联度的推荐。

  • 离线数据源 - 推荐系统 RES

    actionDateTime String 行为发生的时间,采用UTC标准时间,单位以秒计。 否 actionLocation String 行为发生的位置和精度维度。 格式:[latitude, longitude] 否 context String 动作发生的上下文信息,内容为json格式字符串,也可作为行为表的扩展字段。

  • 创建自定义场景 - 推荐系统 RES

    实时计算规格 可选择“2CU”、“4CU”、“8CU”和“16CU”四种规格。其中,CU代表CPU核数。 排序模型训练规格 可选择“GPU-P100”、“8CU”。其中,CU代表CPU核数。 在线并发规格 在线服务获取推荐的最高调用次数,单位为次每秒,默认为5,取值范围为5-500。

  • 自定义场景简介 - 推荐系统 RES

    创建自定义场景 自定义场景作为一个包含多个子任务的作业,通常用于多个召回、过滤、排序等任务。 创建自定义场景 召回策略 召回策略通过大数据计算或深度训练生成推荐候选集。 召回策略 过滤规则 过滤规则用于生成推荐的过滤集,包含黑白名单、历史行为过滤等特性。支持用户在线上推理过程中完成对相关物品的过滤。

  • 创建智能场景 - 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。 表6 jobConfig 参数 是否必选 参数类型 描述 n

  • 基本概念 - 推荐系统 RES

    某电商的客户。 物品 被推荐的内容,一般是指业务系统提供的给其用户的商品。例如,某视频网站的视频。 召回策略 召回策略是指通过大数据计算或深度训练生成推荐候选集的算法策略。 过滤规则 过滤规则用于生成推荐的过滤集,包含黑白名单、 特征过滤等特性。支持用户在线上推理过程中完成对相关物品的过滤。

  • 更新智能场景内容 - 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。 表5 jobConfig 参数 是否必选 参数类型 描述 n

  • 什么是推荐系统 - 推荐系统 RES

    场景式推荐 提供多维度的场景推荐,含猜你喜欢、关联推荐、热门推荐,一键式操作,降低客户接入门槛。 近线处理能力 支持实时数据的接入和更新、模型在线学习,近线处理实时训练兴趣模型。 全面的推荐实体 支持以用户推荐物品、以用户推荐用户、以物品推荐物品、以物品推荐用户四种全面的推荐对象,用户根据场景选择不同的推荐实体。

  • 查询数据源详情 - 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。 表10 jobs 参数 参数类型 描述 category String

  • ModelArts - 推荐系统 RES

    Native Lives Kubernetes系列课程,带你走进云原生技术的核心 GO语言深入之道 介绍几个Go语言及相关开源框架的插件机制 跟唐老师学习云网络 唐老师将自己对网络的理解分享给大家 智能客服 您好!我是有问必答知识渊博的的智能问答机器人,有问题欢迎随时求助哦! 社区求助 华为

  • 近线作业 - 推荐系统 RES

    优化策略相关参数 优化器类型:ftrl。适用于处理超大规模数据的,含大量稀疏特征的在线学习的常见优化算法 学习率:优化算法的参数,决定优化器在最优方向上前进步长的参数。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:叠加在模型的1范数之上,用来对模型值进行限制防止过拟合。默认0。

  • 组合作业 - 推荐系统 RES

    正常使用排序策略。 各个策略的详细参数设置和输入输出请单击下方链接查看。 逻辑斯蒂回归-LR 因子分解机-FM 域感知因子分解机-FFM 深度网络因子分解机-DeepFM 核函数特征交互神经网络-PIN 在“创建组合作业”页面,配置完过滤规则参数之后,进入“排序策略”页签,如图3

  • 自定义场景(热度推荐) - 推荐系统 RES

    的意思是同样行为记录不会去重。 “用户分群”:数据源类型包括用户特征和物品特征,根据数据源筛选数据, 选出需要的属性。只能选择进行用户分组还是物品分组,分组内可配置多个特征。默认关闭。 “最大推荐数结果数”:指定召回的结果数量。 “开启时间跨度”:不开启取全部数据,开启则指定从数

  • 提交流式训练作业 - 推荐系统 RES

    优化器类型。现仅提供一种字段。 ftrl:指定为使用ftrl优化器。 initial_accumulator_value 是 Double 用来动态调整学习步长。取值范围(0,1],默认值为0.1。 lambda1 是 Double 叠加在模型的1范数之上,用来对模型值进行限制防止过拟合。取值范围[0

  • 新建在线服务 - 推荐系统 RES

    Optimizer 参数 是否必选 参数类型 描述 type 否 String 优化器类型。 learning_rate 否 Double 学习率。 initial_accumulator_value 否 Double 初始梯度累加和。 最小值:0 最大值:1 lambda1 否 Double

  • 查询在线服务详情 - 推荐系统 RES

    最大值:1 表23 Optimizer 参数 参数类型 描述 type String 优化器类型。 learning_rate Double 学习率。 initial_accumulator_value Double 初始梯度累加和。 最小值:0 最大值:1 lambda1 Double

  • 修改在线服务参数 - 推荐系统 RES

    Optimizer 参数 是否必选 参数类型 描述 type 否 String 优化器类型。 learning_rate 否 Double 学习率。 initial_accumulator_value 否 Double 初始梯度累加和。 最小值:0 最大值:1 lambda1 否 Double

  • 修改训练作业参数 - 推荐系统 RES

    Optimizer 参数 是否必选 参数类型 描述 type 否 String 优化器类型。 learning_rate 否 Double 学习率。 initial_accumulator_value 否 Double 初始梯度累加和。 最小值:0 最大值:1 lambda1 否 Double