已找到以下 132 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
  • RES操作流程 - 推荐系统 RES

    创建离线作业包括进行数据质量检测、创建组合作业、特征工程、召回策略、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。

  • 基本概念 - 推荐系统 RES

    在线服务应用于做线上推荐,每个服务之间是独立的。即根据不同的离线计算得到的候选集以及相关参数,提供不同的推荐服务。 推荐引擎 以推荐为业务逻辑的引擎,即系统根据配置生成召回集作为起点,输出推荐结果集为终点的引擎。 排序引擎 以排序为业务逻辑的引擎,即用户提供排序集为输入,系统根据排序算法输出排序结果的引擎。

  • 什么是区域、可用区? - 推荐系统 RES

    Z构建高可用性系统的需求。 图1阐明了区域和可用区之间的关系。 图1 区域和可用区 目前,华为已在全球多个地域开放云服务,您可以根据需求选择适合自己的区域和可用区。更多信息请参见华为全球站点。 如何选择区域? 选择区域时,您需要考虑以下几个因素: 地理位置 一般情况下,建议就

  • 排序策略-离线特征工程 - 推荐系统 RES

    些特征。 说明: 离散的区间个数不能超过100个,请您根据业务需求合理分配参数值。 单击,增加用户特征。在下拉选项中勾选特征参数名称并进行配置。当“特征值类型”为“多值枚举型”时,您可以根据需求自定义枚举个数。其他类型可选的参数信息如下: “等距离散”:根据业务需求限定数值“最小

  • 数据导入 - 推荐系统 RES

    “调度类型”:包括自定义和间隔调度。 “开始调度时间”:选择具体的调度时间。可在此下拉框中勾选具体的时间点。 “时间间隔(小时)”:如果选择的调度类型为间隔调度,需要配置调度的时间间隔。 设置完成后,单击“确定”,重新导入数据。 父主题: 数据质量管理

  • API概览 - 推荐系统 RES

    在指定的工作空间下面创建一个新的数据源。 查询数据源列表 查询当前工作空间下的数据源列表。 查询数据源详情 查询指定数据源的详情信息。 修改数据源内容 修改指定数据源的配置内容。 修改数据源特征 修改数据源中的特征。 删除数据源 删除数据源。 查询数据源任务结果 查询指定数据源下离线任务的结果。其中包括数据格

  • 近线作业 - 推荐系统 RES

    近线策略名称:请以“Nearline-”开始,只能由字母、数字、中划线和下划线组成,并且长度小于64个字符。 “场景”信息可选择您在全局配置页面创建的场景。 设置计算引擎信息,指定“服务名”、“集群名称”、“任务配置地址”、“资源规格”等信息。 单击“添加近线策略”,根据业务需要在下拉框中选择一个合适的策略。各策略参数说明请单击策略名称进行查看。

  • 查询作业列表 - 推荐系统 RES

    "platform_parameter": { "cluster_name": "res_cluster" }, "config_load_path": "<配置源路径>", "computing_resource": "" } }, "response_info": { "is_success":

  • 查询服务详情 - 推荐系统 RES

    "envs": { "ONLINE_CONFIG": "<在线配置文件存储路径>" } } }

  • 特征工程 - 推荐系统 RES

    特征工程名称:请以“ETL-”开始,只能由字母、数字、中划线和下划线组成,并且长度小于64个字符。 “场景”信息可选择您在全局配置页面创建的场景。 设置计算引擎信息,指定“服务名”、“集群名称”、“任务配置地址”、“资源规格”等信息。 单击“添加特征工程”,根据业务需要在下拉框中选择一个合适的策略。初始用

  • 提交排序任务API - 推荐系统 RES

    络等。利用核函数建模特征交互,实现了参数共享,减小了模型复杂度。PIN算法请参见核函数特征交互神经网络。 config 否 JSON 其他配置,预留字段。 响应消息 响应参数请参见表3。 表3 响应参数说明 参数名称 参数类型 说明 is_success Boolean 请求是否成功。

  • 在线服务 - 推荐系统 RES

    优先级:根据优先级和百分比计算多个召回候选集融合。优先级高的推荐结果将确保在优先级低的之前。P1优先级最高,P1优先级如果没有用户对应的推荐物品,由配置的低优先级补充,以此类推。优先级相同的推荐候选集,根据百分占比确认召回策略推荐数量,同优先级下的数据占比之和需要等于100%。 权重:根据