已找到以下 87 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
  • 实时日志 - 推荐系统 RES

    实时日志 RES根据实时发送到DIS上的日志,进行数据计算和处理,更新用户的相关数据。用户发送到DIS上的数据具体如下: 实时行为日志 实时行为日志的作用包括: 更新用户的兴趣标签。 记录所选行为类型的历史记录。 更新用户的上下文信息。 召回候选集。 表1 实时行为日志字段描述 字段名

  • 近线作业 - 推荐系统 RES

    流式训练 可上传3份数据至DIS:实时行为日志、实时用户日志和实时物品日志,如实时日志所示。 实时行为日志会被“基于行为数据的用户画像更新”和“基于用户的标签搜索候选集”使用; 实时用户日志会被“基于用户数据更新用户画像”使用; 实时物品日志会被“基于物品数据更新物品画像”使用。 创建近线作业

  • 准备离线数据源 - 推荐系统 RES

    准备离线数据源 在使用RES创建数据源时,您需要准备以下的3种基础数据包并上传至OBS。如果使用近线流程,需先将业务系统埋点日志转换成推荐系统指定格式,并实时写入DIS相应通道。本章节介绍了RES当前离线数据源和近线数据源的数据格式,您可以参考本章节说明,准备相应的数据。 目前数

  • 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。 每张表的表结构必须符合推荐系统的要求,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)。 每张表中填充的数据,必须符合推荐引擎的要求。 对于业务数据中无法提供的字段可以填NULL。 用户属性表 用户属性表记录用户的属性信息,例如地域、爱好等,属性名和属性值成对出现。

  • 离线数据和近线实时数据如何配合使用? - 推荐系统 RES

    离线数据和近线实时数据如何配合使用? 在推荐系统初始化阶段,需要用户提供批量的离线数据源并按照推荐系统要求的数据格式上传至OBS,完成数据的检测和导入。 近线实时数据源推荐使用RES SDK上传,此操作所有的数据更新都是实时生效的。 父主题: 数据源

  • 数据导入 - 推荐系统 RES

    分别用于存储客户输入的用户特征, 物品特征, 如果同一用户或物品有多条记录, 将会去重。 导入宽表 选择是否导入宽表。 宽表为推荐系统内部格式, 以行为数据为主, 将行为数据中涉及到的用户数据和物品数据整合成一条数据。 保留已有宽表 选择对已有宽表是否保留。目前支持覆盖、是、否。 开启调度 开启调度,可按照您所设置的时间周期性的提交任务。

  • 特征工程 - 推荐系统 RES

    该文件。该文件为JSON格式,包含特征名、特征大类、特征值类型。 保留已有宽表 对结果保存路径中已有宽表数据的保留方式: 否,不保留任何已有的数据。 是,保留全部已有的数据。 覆盖,将相同日期下的数据覆盖掉,保留不同日期下的数据。 结果保存路径 行为-用户-物品(通用格式)的保存路径。

  • 在线服务 - 推荐系统 RES

    “应用于”:该过滤规则应用于所选的候选集,默认会作用于所有在召回池中选中的所有路候选集。 过滤(白名单) 属性值保留 指定定制化用户属性、物品属性和应用于某个召回策略属性过滤规则,保留该选定的属性值,使之进入候选集。例如,对于保留一线城市的用户物品信息物品。单击增加属性值保留。 “用户属性”:指定在用户属

  • 提交实时流近线作业 - 推荐系统 RES

    NEARLINE_WRITE_USER_PROFILE (根据用户信息日志写入用户画像) NEARLINE_WRITE_ITEM_PROFILE(根据物品信息日志写入物品画像) NEARLINE_UPDATE_USER_PORTRAIT(根据行为日志,更新用户画像) NEARLINE_UPDATE_

  • RES自定义策略 - 推荐系统 RES

    RES自定义策略 如果系统预置的RES权限不满足您的授权要求,可以创建自定义策略。自定义策略中可以添加的授权项(Action)请参考策略支持的授权项。 目前华为云支持以下两种方式创建自定义策略: 可视化视图创建自定义策略:无需了解策略语法,按可视化视图导航栏选择云服务、操作、资源、条件等策略内容,可自动生成策略。

  • 提交特征工程作业 - 推荐系统 RES

    save_mode 否 String 对结果保存路径中已有宽表数据的保留方式: new(否,不保留任何已有的数据) append(是,保留全部已有的数据) overwrite(覆盖,将相同日期下的数据覆盖掉,保留不同日期下的数据) 表11 rank_etl_parameters参

  • 智能场景(猜你喜欢) - 推荐系统 RES

    简单的配置和作业训练,即可获取推荐结果。 本章节以猜你喜欢为例,帮助您快速熟悉智能场景的使用过程。开始使用样例前,请仔细阅读准备工作罗列的要求,提前完成准备工作。使用智能场景获取推荐结果的步骤如下所示: 步骤1:准备数据 步骤2:创建离线数据源 步骤3:创建智能场景 步骤4:获取预测结果

  • 权限和授权项 - 推荐系统 RES

    口为粒度进行权限拆分,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。 如果您要允许或是禁止某个接口的操作权限,请使用策略。 账号具备所有接口的调用权限,如果使用账号下的IAM用户发起API请求时,该IAM用户必须具备调用该接口所需的权限,否

  • 排序策略 - 推荐系统 RES

    值映射为一个输出值。 relu tanh sigmoid 神经元值保留概率 神经网络前向传播过程中以该概率保留神经元的值。默认0.8。 保存根路径 单击选择训练结果在OBS中的保存根路径,训练完成后,会将模型和日志文件保存在该路径下。该路径不能包含中文。 核函数特征交互神经网络-PIN

  • 分词模型 - 推荐系统 RES

    String 选择功能,该功能指定为"sorted-keywords"。 topn 是 String 设置最多保留前n个词(如不足n个则全保留),注意是String类型,如保留前10个词,则 "topn":"10"。 响应消息 响应参数请参见表4。 表4 响应参数说明 参数名称 是否必选

  • 数据源管理简介 - 推荐系统 RES

    的格式要求一致,包括用户数据、物品数据和行为数据。 用户数据 用户数据包括数据源中的“用户属性表”和用于近线计算的“用户画像”数据。用户数据记录用户的属性信息,例如地域、爱好等。 物品数据 物品数据包括数据源中的“物品属性表”和用于近线计算的“物品画像”数据。物品数据记录物品的属性信息,例如类别、长度等。

  • 排序策略-离线特征工程 - 推荐系统 RES

    行为去重方式 将行为数据中某个用户对某个物品的多条记录进行去重,目前支持按行为权重去重(正向行为且权重越大的优先)和按时间去重(每天、每星期、每个月保留一条数据)。 “权重绝对值”:保留行为权重绝对值最高的一条数据。 “日期”:按照"时间类型", 保留指定区间的一条最新数据。 时间类型 将行

  • 权限管理 - 推荐系统 RES

    色并不能满足用户对精细化授权的要求,无法完全达到企业对权限最小化的安全管控要求。 策略:IAM最新提供的一种细粒度授权的能力,可以精确到具体服务的操作、资源以及请求条件等。基于策略的授权是一种更加灵活的授权方式,能够满足企业对权限最小化的安全管控要求。例如:针对ECS服务,管理员

  • 召回策略 - 推荐系统 RES

    描述 策略的具体描述。 行为次数统计方法 物品记录统计方式。 “pv”:page view,每个用户可对同个物品产生多条记录。 “uv”:unique visitor,每个用户只能对每个物品产生一条记录, 算法只保留权重最大的记录。 用户分群 数据源类型包括用户特征和物品特征,根据数据源筛选数据

  • 管理离线作业 - 推荐系统 RES

    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。 日志总行数。 日志类型。 日志详情。 父主题: 离线作业