已找到以下 70 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
  • 获取推荐结果 - 推荐系统 RES

    代码:输入预测代码,单击“预测”后显示预测结果,如图1所示。输入用户ID、推荐数量,根据您设置的策略返回用户的预测结果。如果是关联推荐,需要配置“物品项”,即推荐与物品项相关的产品。如果物品项有多个,需要用英文逗号隔开。 图1 代码预测 表单:输入“ID”,并设置“最大推荐个数”。其中ID可以为用户ID或者物品ID,

  • 特征工程 - 推荐系统 RES

    离散,设置weight最小值5,最大值200,离散频率200。等频离散会按照weight值的大小进行排序之后,以200个数值一个区间进行离散。 “用户自定义离散”:根据业务需求限定数值“最小值”、“最大值”和“区间名称”。例如,根据age进行离散,设置年龄最小值1,最大

  • 权限和授权项 - 推荐系统 RES

    用户就可以基于已有权限对云服务进行操作。 权限根据授权的精细程度,分为角色和策略。角色以服务粒度,是IAM最初提供的一种根据用户的工作职能定义权限的粗粒度授权机制。策略以API接口粒度进行权限拆分,授权更加精细,可以精确到某个操作、资源和条件,能够满足企业对权限最小化的安全管控要求。

  • 创建在线服务 - 推荐系统 RES

    “添加在线候选集”(根据设置的参数在线进行召回,必须添加全局特征信息文件才可设置参数) 任务别名和UUID:分别默认为“在线候选集召回”和“online-recall”,无需改动。 优先级、同优先级数据占比:同添加推荐候选集。 设置参数:单击操作列的“设置参数”进行召回策略参数的

  • 获取推荐结果 - 推荐系统 RES

    代码:输入预测代码,单击“预测”后显示预测结果,如图1所示。输入用户ID和推荐数量,或者物品项,根据您设置的策略返回用户的预测结果。如果物品项有多个,需要用英文逗号隔开。 图1 代码预测 表单:输入“ID”和设置“最大推荐个数”,也可以设置“物品项”。其中ID可以为用户ID或者物品ID,单击“预测”后显示预测结

  • RES操作流程 - 推荐系统 RES

    排序策略、过滤规则等作业。 运行推荐作业 创建在线服务 - 创建在线服务用于部署上线服务、更新模型。配置实时计算的逻辑,包括设置在线流量、组装推荐结果和设置排序策略。根据策略做在线推荐结果融合、过滤、重排以及多流程之间的AB,并返回最终结果。 创建在线服务 获取推荐结果 - 您可

  • 产品功能 - 推荐系统 RES

    降低成本,减少人力支出投入。 自定义场景 基于用户历史行计算物品相似性,实时更新候选列表,提升用户体验,提高转化率支持多种召回、过滤、排序算子自由组合,训练形式上支持离线批处理、近线流处理、在线实时处理的三种数据处理方式,提供完备的一站式推荐平台,可快速设置运营规则进行AB测试。 功能优势: 全

  • 创建自定义场景 - 推荐系统 RES

    筛选出每个用户的行数据中满足要求的数据,使之不进入候选集。 相对时间间隔:与数据源内的行数据记录最后的一条时间相差天数。 最小次数:某用户对某物品产生某行的最小次数。 行类型:指定行类型。 绝对时间间隔:与当前时间相差天数。 最大次数:某用户对某物品产生某行的最大次数。 行为过滤逻辑

  • 召回策略 - 推荐系统 RES

    数据时间:用于匹配在起始时间和终止时间内的行数据。 行为时间跨度:指定历史行为时间段,选取数据中最靠后的时间往前N天的行数据计算用户偏好。建议至少设置30天。 默认选择数据时间的当月所有数据 行类型 在特定行热度策略中使用,选择一种行类型后基于该种行热度进行推荐。 用户行包含如下几种类型: view:物品曝光

  • 近线作业 - 推荐系统 RES

    面,通过查看日志等手段处理问题。 基于行数据的用户画像更新 基于行数据的用户画像更新可以对用户画像进行持续更新,更新频率可达秒级。以DIS中的实时行日志数据源,从中分析出用户画像更新信息,并实时更新用户画像,使用户画像随着用户行的发生而不断变化。 通过此任务可以更新的用

  • 获取推荐结果 - 推荐系统 RES

    单击目标服务名称进入服务详情页面,单击下方的“预测”页签,输入预测代码,单击“预测”后显示预测结果,如图1所示。输入用户ID和推荐数量,根据您设置的召回策略等返回用户的预测结果。 图1 在线预测 获取预测接口 通过在线服务页面获取接口 登录RES管理控制台,在左侧菜单栏中选择“在线服务”,进入服务列表页面。

  • 过滤规则 - 推荐系统 RES

    use:观看视频/听音乐/阅读。 行过滤逻辑 各个历史行过滤规则之间的逻辑。例如,“AND”逻辑在7天内点赞超过3次且在7天内消费超过3次的物品,“OR”逻辑在7天内点赞超过3次或在7天内消费超过3次的物品。 数据源 数据源可选择初始格式或通用格式。 说明: 过滤规则涉及历史行过滤,则用到用

  • 如何开始使用RES? - 推荐系统 RES

    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 上传离线数据源至OBS 创建离线数据源 在使用RES之前,首先您需

  • RES操作流程 - 推荐系统 RES

    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 上传离线数据源至OBS 创建离线数据源 在使用RES之前,首先您需

  • 排序策略-离线排序模型 - 推荐系统 RES

    001,均匀分布的最小值,必须小于最大值。 最大值:默认0.001,均匀分布的最大值,必须大于最小值。 xavier: 初始化初始值 均值0,方差 Var(wi)=1/nin 的均匀分布(高斯或者随机分布)。其中 nin 是该神经元的输入数目。 优化器类型 grad:梯度下降算法

  • 管理离线作业 - 推荐系统 RES

    白名单地址,白名单所在的路径。白名单之外的物品不应该出现在最终推荐结果集里。 历史行过滤,指定与用户个性化的物品候选集过滤准则。例如对于用户过去3天内有过view行的物品(如新闻)过滤,使之不进入候选集。 过滤ID。 排序规则信息 该离线作业设置的排序规则详情。 日志信息 日志信息包括: 策略类型。 日志起始行。

  • 排序策略 - 推荐系统 RES

    001,均匀分布的最小值,必须小于最大值。 最大值:默认0.001,均匀分布的最大值,必须大于最小值。 xavier: 初始化初始值 均值0,方差 Var(wi)=1/nin 的均匀分布(高斯或者随机分布)。其中 nin 是该神经元的输入数目。 优化器类型 grad:梯度下降算法

  • 排序策略-离线特征工程 - 推荐系统 RES

    理任务,否则默认使用数据源中的行类型及权重进行任务。 “正向行类型”:设置正向行的类型及权重值。 “负向行类型”:设置负向行的类型及权重值。 行去重方式 将行数据中某个用户对某个物品的多条记录进行去重,目前支持按行权重去重(正向行且权重越大的优先)和按时间去重(每天、每星期、每个月保留一条数据)。

  • 数据质量 - 推荐系统 RES

    、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画像表中定义的基本属性字段,TAGS画像表中定义的带权重的标签,Context上下文属性。该文件用于说明数据字段信息,以便推荐系统识别用户离线数据,通过特征工程将对应的数据写入

  • 基础问题 - 推荐系统 RES

    如何开始使用RES? 获取访问密钥(AK/SK) 推荐作业有哪几种创建方式? 创建的场景是否会立即发布? 最小在线并发规格支持弹性伸缩,是否设置最小规格即可? 是否有样例数据支撑我进一步了解RES? 什么是区域、可用区? API查询列表的接口返回结果是否支持分页?