已找到以下 35 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
  • 排序策略-离线排序模型 - 推荐系统 RES

    行更新。 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。 初始梯度累加和:梯度累加和用来调整学习步长。默认0.1。 ftrl:Follow The Regularized Leader 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。

  • 排序策略 - 推荐系统 RES

    行更新。 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。 初始梯度累加和:梯度累加和用来调整学习步长。默认0.1。 ftrl:Follow The Regularized Leader 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。

  • 提交排序任务API - 推荐系统 RES

    基础上叠加一个sigmoid激活函数将输出值映射到[0,1]之间,是机器学习领域里常用的二分类算法。LR算法参数请参见逻辑斯蒂回归。 因子分解机算法是一种基于矩阵分解的机器学习算法,能够自动进行二阶特征组合、学习特征之间的关系,无需人工经验干预,同时能够解决组合特征稀疏的问题。FM算法参数请参见因子分解机。

  • 策略参数说明 - 推荐系统 RES

    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(0,1],默认值为0.001。 在线学习(ftrl) 初始梯度累加和 (initial_accumulator_value) 是 Double 用来动态调整学习步长。取值范围(0

  • 智能场景简介 - 推荐系统 RES

    功能说明 功能 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

  • ModelArts - 推荐系统 RES

    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 华为云社区是华为云用户的聚集地。这里有来自容器服务的技术牛人,为您解决技术难题。

  • 猜你喜欢的主要应用场景是什么? - 推荐系统 RES

    猜你喜欢的主要应用场景是什么? 猜你喜欢主要应用于浏览意向不明确,如首页推荐等,RES能够根据用户的长短期行为表现出来的兴趣进行学习与训练,结合长短期兴趣进行个性化推荐。 父主题: 智能场景

  • 什么是推荐系统 - 推荐系统 RES

    推荐算法和运营规则的理解,自定义专属的推荐流程。当前只有华为云提供开放式推荐能力,其他友商主打场景式推荐。 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。

  • 创建智能场景 - 推荐系统 RES

    创建智能场景 猜你喜欢主要应用于浏览意向不明确,如首页推荐等,RES能够根据用户的长短期行为表现出来的兴趣进行学习与训练,结合长短期兴趣进行个性化推荐。 关联推荐主要应用于固定的物品的关联推荐,根据已关联的物品对相关的内容和行为进行挖掘,网状匹配相关联的物品,进行有关联度的推荐。

  • 应用场景 - 推荐系统 RES

    支持多种电商推荐场景,提供面向电商推荐场景的多种推荐相关算法和大数据统计分析能力。 场景优势 能够精确匹配电商运营规则。 最近邻算法与深度学习的结合,挖掘用户高维稀疏特征,匹配最佳推荐结果。 融合多种召回策略,网状匹配兴趣标签。 改善用户体验,同时降低人工成本。 画像与深度模型结合,助力营收收益增长。

  • 与其他云服务的关系 - 推荐系统 RES

    见《统一身份认证服务文档》。 ModelArts ModelArts是面向AI开发者的一站式开发平台,排序策略使用Modelarts的深度学习计算能力训练得到排序模型。ModelArts的更多信息请参见《ModelArts服务文档》。

  • 与其他云服务的关系 - 推荐系统 RES

    见《统一身份认证服务文档》。 ModelArts ModelArts是面向AI开发者的一站式开发平台,排序策略使用Modelarts的深度学习计算能力训练得到排序模型。ModelArts的更多信息请参见《ModelArts服务文档》。 父主题: 基础问题

  • 召回策略 - 推荐系统 RES

    操作:可以单击操作列下面的进行删除某个匹配特征对。 您可以单击进入“添加匹配特征对”页面进行配置。设置特征对的用户特征名、物品特征名和权重。 最近邻域数 机器学习中的概念, 例如协同过滤计算中,需要计算物品之间,用户之间的相似度。最近邻域数是x,就是一个物品/用户找出x个和他相似的物品/用户。默认为100。

  • 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 nearline_recall_param

  • 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 nearline_recall_param

  • 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。

  • 查询数据源详情 - 推荐系统 RES

    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

  • 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

  • 状态码 - 推荐系统 RES

    Payment Required 保留请求。 403 Forbidden 请求被拒绝访问。 返回该状态码,表明请求能够到达服务端,且服务端能够理解用户请求,但是拒绝做更多的事情,因为该请求被设置为拒绝访问,建议直接修改该请求,不要重试该请求。 404 NotFound 所请求的资源不存在。

  • 召回策略 - 推荐系统 RES

    该物品近邻集合。 50 相似性度量方式 计算用户或物品特征表达相似性的方式。在ItemCF算法中,每个物品会基于对它有过行为的用户表示为特征向量,向量每一维是一个<user_id, score>元组,score表示对应user_id的权重,该参数决定了使用何种函数计算物品向量之间的相似度。