已找到以下 92 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
  • 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

  • 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。

  • 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。

  • 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。

  • 特征工程 - 推荐系统 RES

    特征工程 特征工程可对推荐系统的离线数据进行处理,它包含两个功能: 从离线数据中提取用户、物品画像和RES内部通用格式数据; 把RES内部通用格式数据处理成训练排序模型所需的训练数据、测试数据等。 与功能对应,特征工程的两个任务分别是: 初始用户画像-物品画像-标准宽表生成 排序样本预处理

  • 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

  • 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

  • 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

  • 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

  • 如何开始使用RES? - 推荐系统 RES

    如何开始使用RES? 使用RES,从资源准备到在线服务完成推荐的全流程,如图1所示。 图1 RES操作流程 表1 使用流程说明 流程 子任务 说明 详细指导 数据源 准备离线数据源 需要您准备包含用户数据,物品数据,行为数据上传至对象存储服务(OBS)用于推荐系统的离线计算。 准备离线数据源

  • 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。

  • 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

  • 创建自定义场景 - 推荐系统 RES

    略-近线特征工程中创建完成后才可以正常使用排序策略。 在“创建自定义场景”页面,进入“排序策略”页签,单击“添加近线排序策略”。 进行在线学习参数配置。 名称:自定义在线排序策略名称。 离线排序策略:从下拉框中选择已经创建完成的排序策略-离线排序策略作业名称。 优化器类型:具体参数解释请参见Logistic

  • 召回策略 - 推荐系统 RES

    召回策略 召回是指对大量的物品做初选,为每一个用户形成个性化侯选集。召回策略中内置了多种召回方式,用户可根据自己场景选择。召回策略对应流程请参见图1。 图1 召回策略 推荐系统支持的召回方式有: 基于特定行为热度推荐 基于综合行为热度推荐 基于物品的协同过滤推荐 基于用户的协同过滤推荐

  • 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

  • 查看在线服务详情 - 推荐系统 RES

    查看在线服务详情 当在线服务创建成功后,您可以进入“在线服务”页面,来查看服务详情。 登录RES管理控制台,在左侧菜单栏中选择“在线服务”,进入“在线服务”管理页面。 您可以在服务列表直接查看服务的“名称”、“状态”、“调用总次数”、“开通状态”和“服务类型”等。 当服务部署成功

  • 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

  • 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

  • 新建训练作业 - 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