已找到以下 27 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
  • 应用场景 - 推荐系统 RES

    应用场景 推荐系统支持深度智能挖掘用户物品的关联关系,将对应场景的推荐结果推送给用户,代替低纬度的人工规则,提升了相关运营指标用户的体验。包含了互联网信息流,短视频/直播/音乐/阅读,广电媒资,社交,电商等场景。 RES+电商应用场景 场景描述 电商场景中,通常涉及首页推荐、

  • 排序策略-离线排序模型 - 推荐系统 RES

    DeepFM,结合了FM深度神经网络对于特征表达的学习,同时学习高阶低阶特征组合,从而达到准确地特征组合学习,进行精准推荐。 表2 深度网络因子分解机参数说明 参数名称 说明 名称 自定义策略名称,由中文、英文、数字、下划线、空格或者中划线组成,并且不能以空格开始结束,长度为1~64个字符。

  • 排序策略 - 推荐系统 RES

    单击选择训练结果在OBS中的保存根路径,训练完成后,会将模型日志文件保存在该路径下。该路径不能包含中文。 深度网络因子分解机-DeepFM 深度网络因子分解机,结合了因子分解机深度神经网络对于特征表达的学习,同时学习高阶低阶特征组合,从而达到准确地特征组合学习,进行精准推荐。单击查看深度网络因子分解机详细信息。

  • 购买套餐包 - 推荐系统 RES

    计算资源分为“计算型CPU(1U4G)实例”、“计算型GPU(P100)实例”、“计算型GPU(V100)实例”3种类型。存储资源支持“画像存储(一百万)”。在线服务支持“在线并发9000TPS-时”,“TPS-时”表示每小时平均TPS。 规格支持功能请参见表1。 表1 计算资源 计算类型

  • 提交排序任务API - 推荐系统 RES

    知因子分解机。 深度网络因子分解机,结合了因子分解机深度神经网络对于特征表达的学习,同时学习高阶低阶特征组合,从而达到准确地特征组合学习,进行精准推荐。DEEPFM算法参数请参见深度网络因子分解机。 核函数特征交互神经网络是深度网络因子分解机的改进版本,深度网络因子分解机通过

  • 查询ModelArts计算节点规格 - 推荐系统 RES

    资源规格的ID。 core String 资源规格的核数。 cpu String 资源规格CPU内存。 gpu_num Int 资源规格GPU的个数。 gpu_type String 资源规格GPU的类型。 spec_code String 云资源的规格类型。 max_num Int 以选择的最大节点数量。

  • 召回策略 - 推荐系统 RES

    如购买,收藏,内容评论或分享),并对这些喜好进行度量打分。根据不同用户对相同物品的态度偏好程度计算用户之间的关系。在有相同喜好的用户间进行物品推荐。 例如,A、B两个用户都购买了abc三本图书,并且给出了5星的好评。则AB属于同一类用户。可以将A看过的图书d也推荐给用户B。

  • 与其他云服务的关系 - 推荐系统 RES

    Insight,简称DLI)用于推荐系统的离线计算近线计算。DLI的更多信息请参见《数据湖探索文档》。 对象存储服务 对象存储服务(Object Storage Service,简称OBS)存储RES的推荐数据源,实现安全、高可靠低成本的存储需求。OBS的更多信息请参见《对象存储服务文档》。

  • 与其他云服务的关系 - 推荐系统 RES

    Insight,简称DLI)用于推荐系统的离线计算近线计算。DLI的更多信息请参见《数据湖探索文档》。 对象存储服务 对象存储服务(Object Storage Service,简称OBS)存储RES的推荐数据源,实现安全、高可靠低成本的存储需求。OBS的更多信息请参见《对象存储服务文档》。

  • 智能场景简介 - 推荐系统 RES

    说明 详细指导 猜你喜欢 推荐系统结合用户实时行为,推送更具针对性的内容,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。 热门推荐 基于多维度数据分析,自动匹配所覆盖用户群体更关心的内容进行重点展示。 获取推荐结果 根据不同的功能模块,获取对应的推荐结果。

  • 计费说明 - 推荐系统 RES

    应用于物品画像用户画像的存储计费,对用户物品的总条目数统计进行收费。 每个数据源默认规格最低是一百万条,如果一个数据源中的用户物品总条目数不超过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,

  • 自定义场景简介 - 推荐系统 RES

    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。 过滤规则 特征工程 特征工程常用于抽取用户、物品的特征特定算法的特征生成,一般作为某些算法的前置输入条件。

  • 基本概念 - 推荐系统 RES

    降低构建推荐应用的技术门槛,提升点击率、留存率用户体验。 智能场景 针对对应的场景,由RES根据场景类型预置好对应的智能算法,为匹配的场景提供智能推荐服务。 自定义场景 面向了解推荐算法等相关的用户,可自定义推荐中涉及算法的使用组合,能够自定义开发推荐流程,提供推荐服务。 用户

  • 策略参数说明 - 推荐系统 RES

    请参见表7,行为权重。 start_time 与retain_day二选一 long 用户行为起始时间。end_time共存。 end_time 与retain_day二选一 long 用户行为结束时间。start_time共存。 retain_day 与start_time二选一 Integer

  • 修改数据源内容 - 推荐系统 RES

    参数类型 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

  • 更新自定义场景内容 - 推荐系统 RES

    参数类型 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6 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/testuuidxxxxx

  • 创建自定义场景 - 推荐系统 RES

    参数类型 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7 响应Body参数 参数 参数类型

  • 创建数据源 - 推荐系统 RES

    参数类型 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 DataConfig 参数 是否必选 参数类型 描述

  • 查询场景列表 - 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 查询当前工作空间下的场景列表 /v2.0/testu