检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
请选择华北-北京四。 前提条件 请您按推荐系统要求准备离线数据源。 开通OBS服务,确保您使用的OBS目录与RES在同一区域。 已经获取访问密钥(AK/SK)。 通过OBS管理上传数据 本文档中,采用管理控制台上传数据至OBS。 执行如下操作,将数据导入到您的数据集中,以便用于模型训练和构建。
job_name 是 String 训练作业名称,名称只包含数字、字母、下划线和中划线,长度为1-20位。如:rank-demo。 job_description 否 String 训练作业描述,最大长度为256字符。 spec_id 是 Int 训练作业选择的资源规格ID。在使用Model
使用限制 在使用RES时,需注意以下使用限制。 建议使用支持的浏览器登录RES服务。 Google Chrome : 43.0及更高版本。 Mozilla FireFox : 38.0及更高版本。 Internet Explorer : 9.0及更高版本。 推荐系统属于高并发低时延场景,建议使用私有网络获取推荐结果。
longitude]。 否 context Json 动作发生的上下文信息,内容为json对象,也可作为行为表的扩展字段。例如,用户当前的设备id,ip地址等信息。 否 subSite String 行为发生的位置ID,比如,在首页推荐里面点击,在详情页里面浏览。 否 traceId String
考虑,依次计算出更新步长。 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0.001。 数值稳定常量:为保证数值稳定而设置的一个微小常量。默认1e-8。 adagrad:自适应梯度算法 对每个不同的参数调整不同的学习率,对频繁变化的参数以更小的步长进行更新,而稀疏的参数以更大的步长进行更新。
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。 例如,用户当前的设备id,ip地址等信息。 否 subSite String 行为发生的位置ID。例如,在首页推荐里面点击,在详情页里面浏览。 否 traceId String
您可以通过管理控制台进行结果预测,也可以通过API接口获取最终的推荐结果。 智能场景 获取推荐结果 自定义场景 获取推荐结果 效果评估(可选) - 创建效果评估可以对服务设置指标,查看推荐结果的具体衡量指标。 智能场景 效果评估 自定义场景 效果评估 父主题: 基础问题
考虑,依次计算出更新步长。 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0.001。 数值稳定常量:为保证数值稳定而设置的一个微小常量。默认1e-8。 adagrad:自适应梯度算法 对每个不同的参数调整不同的学习率,对频繁变化的参数以更小的步长进行更新,而稀疏的参数以更大的步长进行更新。
您可以通过管理控制台进行结果预测,也可以通过API接口获取最终的推荐结果。 智能场景 获取推荐结果 自定义场景 获取推荐结果 效果评估(可选) - 创建效果评估可以对服务设置指标,查看推荐结果的具体衡量指标。 智能场景 效果评估 自定义场景 效果评估
特征工程名称:请以“Filter-”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。 根据表1设置计算引擎和存储平台相关参数,并根据业务需要在“增加历史行为过滤”,如图2所示。 图2 创建过滤规则 表1 过滤规则参数说明 参数名称 说明
计算引擎:服务名、集群名称、任务配置地址、资源名信息、 存储平台:服务名、集群名称、表名。 数据源:数据表类型、数据源、数据格式。 召回策略信息 该离线作业设置的召回策略详情,召回策略信息包括: 策略别名,策略显示的名称。 OBS地址,推荐业务人员可从OBS中选择保存有人工编辑推荐结果的列表,进行人工推荐便于进行ABTest。
、物品属性表和用户操作行为表。 “通用格式”:通用格式数据为经过特征工程作业生成的数据。 (可选)单击页面右侧“删除”,可以删除该算子。 设置完成后,单击“确定”。数据质量检测作业一般需要运行一段时间,请您耐心等待。您可以前往数据质量作业列表,查看作业的基本情况。在作业列表中,刚
长尾 信息 优秀 机会" ] } 功能2 -- 关键词提取(已排序) 将待处理的文本进行分词处理并筛选保留关键词,按照重要性排序,需设置保留到前 n 个词。 URL POST 服务部署成功后返回的预测地址 请求消息 请求参数请参见表3。 表3 请求参数说明 参数名称 是否必选
数据中每个用户最靠后的行为数据的时间往前N天的行为数据计算用户偏好。建议至少设置30天。 “绝对时间间隔”:指定历史行为时间段,选取数据中每个用户距离现在时间往前N天的行为数据计算用户偏好。建议至少设置30天。 “行为类型”:指定行为类型。 “最小次数”:行为次数下界,高于此的物品才会被选中。默认为1。
导您获取推荐结果。 选择“代码”方式,在左侧框内输入预测代码,单击“预测”后在右侧显示预测结果,如图6所示。输入用户ID和推荐数量,根据您设置的策略返回用户的预测结果。 图6 代码预测 请求代码 “id”为需要请求的用户id,“rec_num”为推荐物品的数量。 {
决定优化器在优化方向上前进步长的参数。取值范围(0,1],默认值为0.001。 自适应矩估计(adam) 数值稳定常量(epsilon) 是 Double 为保证数值稳定而设置的一个微小常量。取值范围(0,1],默认值为1.00E-08。 学习率(learning_rate) 是 Double 决定优化器在优化方向上前进步长的参数。取值范围(0