已找到以下 214 条记录。
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
产品选择
没有找到结果,请重新输入
  • 数据探索 - 推荐系统 RES

    用户报表:根据不同数据格式展示用户数据类型、最大值和最小值。您可以单击相关数据后查看数据详细信息。 百分位数:将数据进行排序,统计该数据在整个数据中所占百分比。 图2 百分位数 分布统计:通过查看分布统计了解各参数下参数值分布情况。如可以根据性别展示数据中性别数据分布。

  • 特征工程 - 推荐系统 RES

    对结果保存路径中已有宽表数据保留方式: 否,不保留任何已有的数据。 是,保留全部已有的数据。 覆盖,将相同日期下数据覆盖掉,保留不同日期下数据。 结果保存路径 行为-用户-物品(通用格式)保存路径。 说明: 使用初始用户画像-物品画像-标准宽表生成数据时,其路径具体到文件夹即可。

  • 绑定或解绑资源 - 推荐系统 RES

    在RES管理控制台界面,资源中心列表中会提供当前账号创建DLI集群、CloudTable开启IAM认证集群和DIS通道供用户选择进行绑定或解绑。 背景信息 绑定资源之后,将该资源应用于RES作业训练及在线作业获取推荐结果。 解绑资源完成资源释放,已经解绑资源不再应用于RES相关计算。 已开通计算引擎

  • 近线作业 - 推荐系统 RES

    服务名:添加已经进行资源绑定DIS资源。 输入流位置:行为数据流输入配置。将实时近线任务需要实时物品日志数据添加到输入流指定DIS通道中,推荐系统通过读取该数据进行近线计算。 通道名称:DIS数据通道名称,不同类型数据需要创建不同通道。 起始位置:读取DIS数据起始位置,lat

  • (可选)创建企业项目 - 推荐系统 RES

    置策略。详请参见为企业项目添加用户组。 您可以在“可选策略”下拉框中按照“所有策略”、“自定义策略”、“系统策略”对已有策略进行筛选,根据业务需求为不同用户组选择合适策略。步骤2创建自定义策略可以在“可选策略”下拉选项中选择“自定义策略”获取。 父主题: 工作空间

  • 部署服务 - 推荐系统 RES

    在购物车场景,使用召回候选集来自于离线计算基于物品协同过滤生成候选集,而为了尽可能保证推荐匹配度,要求推荐出来物品尽可能与用户性别、体质和年龄等属性吻合,所以考虑基于用户性别、体质和年龄等属性用标签索引得到满足条件物品列表item1, 对离线生成items2进行如

  • 基本概念 - 推荐系统 RES

    用户 推荐系统被推荐对象,一般是指使用业务系统客户。例如,某电商客户。 物品 被推荐内容,一般是指业务系统提供给其用户商品。例如,某视频网站视频。 召回策略 召回策略是指通过大数据计算或深度训练生成推荐候选集算法策略。 过滤规则 过滤规则用于生成推荐过滤集,包含黑白名单、

  • 智能场景简介 - 推荐系统 RES

    基于大规模机器学习算法,深度挖掘物品之间联系,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内容进行重点展示。 获取推荐结果 根据不同功能模块,获取对应推荐结果。 获取推荐结果 父主题: 智能场景

  • 策略参数说明 - 推荐系统 RES

    (latent_vector_length) 是 Int 分解后特征向量长度。取值范围[1,100],默认10。 神经网络结构 (architecture) 是 List[Int] 神经网络层数与每一层神经元节点个数。每一层神经元节点数不大于5000,神经网络层数不大于10。默认为400,400,400。

  • 提交特征工程作业 - 推荐系统 RES

    待提取用户特征 (user_features) 是 JSONArray 从全局特征文件提取输入用户特征,对不同类型特征进行相应处理,处理后数据用于排序模型训练。 特征必须来自用户属性配置表中定义特征。 [{ "feature_name": "age", "feature_type":

  • 离线数据源 - 推荐系统 RES

    用户需要自己手工创建整理这些表并存储到OBS上。 每张表表结构必须符合推荐系统要求,列名和字段类型需要和规范中保持一致(参考下面的表结构说明)。 每张表中填充数据,必须符合推荐引擎要求。 对于业务数据中无法提供字段可以填NULL。 用户属性表 用户属性表记录用户属性信息,例如地域、爱好等,属性名和属性值成对出现。

  • 召回策略 - 推荐系统 RES

    置调度时间间隔。 基于用户协同过滤推荐 基于用户协同过滤推荐采用经典算法基于用户协同过滤(UserCF)进行召回。基于用户协同过滤算法是通过用户历史行为数据发现用户对物品喜欢(如购买,收藏,内容评论或分享),并对这些喜好进行度量和打分。根据不同用户对相同物品态度和

  • 什么是推荐系统 - 推荐系统 RES

    用户根据场景选择不同推荐实体。 独立排序模块 独立基于CTR预估排序打分模块,支持个性化排序能力。 如何访问RES 您可以通过以下任何一种方式访问RES。 管理控制台 管理控制台是基于浏览器可视化界面。通过管理控制台,您可以使用直观界面进行相应操作。使用方式请参见《推荐系统用户指南》。

  • 离线作业简介 - 推荐系统 RES

    特征工程常用于抽取用户、物品特征和特定算法特征生成,一般作为某些算法前置输入条件。 特征工程 召回策略 召回策略用于生成推荐候选集,在原始数据中通过算法和规则匹配用户候选集。 召回策略 排序策略 排序策略根据不同算法模型对召回策略或者近线策略生成候选集进行重排序,得到推荐候选集列表。

  • 购买套餐包 - 推荐系统 RES

    RES服务支持按需和购买套餐包,根据用户选择使用资源进行收费。一个完整推荐场景需要下面三种资源,均为必选项。套餐数量可以根据实际业务按需购买。 计算资源:用于推荐作业计算规格。涉及计费功能包含:数据源、自定义场景、智能场景中离线计算和模型训练。 存储资源:用于推荐系统数据存储规格。涉及计费功能包括:数据源。

  • 召回策略 - 推荐系统 RES

    UserCF算法生成用户-物品列表候选集。 基于交替最小二乘矩阵分解推荐 基于交替最小二乘矩阵分解推荐:基于用户-物品行为信息作为原始矩阵,利用ALS优化算法对原始矩阵进行矩阵分解,分解之后用户隐向量矩阵和物品隐向量矩阵可以用来生成预估用户-物品评分矩阵,提取出评分最高若干个物品作为召回结果。

  • 错误码 - 推荐系统 RES

    Error 重复key值 请检查key值是否重复。 400 RES.3410 Basic Error 不支持key值({0}) 请检查key值是否负荷文档要求。 400 RES.3411 Basic Error 工作空间({0})下资源未清空 请清空该工作空间下资源。 400

  • 更新服务 - 推荐系统 RES

    List 每个Flow配置不同流量和候选集规则,请参见表4。 config 是 Object 流程配置信息,请参见表5。 rank_uuid 否 String 排序策略生成uuid。 feature_uuid 否 String 预处理离线处理生成uuid。 filter_uuid

  • 自定义场景(热度推荐) - 推荐系统 RES

    在“test-data”文件夹下,将behavior.txt中每条数据actionTime字段值修改到当前时间附近。将item.txt中每条数据publishTime字段值修改到当前时间附近,将item.txt中每条数据expireTime字段值修改成大于当前时间值,避免数据因为过期被过滤掉。

  • 获取访问密钥并添加RES全局配置 - 推荐系统 RES

    进入“新增访问密钥”页面,输入当前用户登录密码,通过已验证手机或已验证邮箱进行验证,输入对应验证码,如图4所示。 图4 新增访问密钥 单击“确定”,根据浏览器提示,保存密钥文件。密钥文件会直接保存到浏览器默认下载文件夹中。打开名称为“credentials.csv”文件,即可查看访问密钥(Access