已找到以下 38 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
  • 命名实体识别模型 - 推荐系统 RES

    而建。但这座木屋又很“特别”,它有一个“山东哥哥助学工作站”名字。这座木屋,凝聚了“山东哥哥”贵州山区儿童之间情谊,也见证了一位名叫隋刚淄博“80后”小伙18年来坚守。" } 成功响应示例 { "is_success": true, "flow_id": "b922

  • 权限管理 - 推荐系统 RES

    允许删除RES权限策略,控制他们对RES资源使用范围。 如果华为云账号已经能满足您要求,不需要创建独立IAM用户进行权限管理,您可以跳过本章节,不影响您使用RES服务其它功能。 IAM是华为云提供权限管理基础服务,无需付费即可使用,您只需要为您账号中资源进行付费。关

  • 返回结果 - 推荐系统 RES

    返回结果 状态码 请求发送以后,您会收到响应,包含状态码、响应消息头和消息体。 状态码是一组从1xx到5xx数字代码,状态码表示了请求响应状态,完整状态码列表请参见状态码。 对于获取用户Token接口,如果调用后返回状态码为“201”,则表示请求成功。 响应消息头 对应请求

  • 状态码 - 推荐系统 RES

    返回一个资源特征地址列表用于用户终端(例如:浏览器)选择。 301 Moved Permanently 永久移动,请求资源已被永久移动到新URI,返回信息会包括新URI。 302 Found 资源被临时移动。 303 See Other 查看其它地址。 使用GET和POST请求查看。

  • 召回策略 - 推荐系统 RES

    topK 用户最感兴趣排序在前K个物品。 行为 行为类型:用户感兴趣行为类型。 权重值:行为初始权重。 衰减系数:用于衰减行为初始权重系数。 有效时间:用户配置行为发生时间当前时间间隔,以小时为单位。系统只处理在该时间范围内行为记录。 基于用户相似度实时召回 基于用

  • 数据结构 - 推荐系统 RES

    增加用户特征。单击特征后方删除不需要用户特征。 物品特征 列表中展示抽取物品特征和参数类型,此特征会额外应用于所选字段功能。您可以根据业务需求单击增加物品特征。单击特征后方删除不需要物品特征。 您可以从“应用于”右侧下拉选项中设置该数据使用维度是“兴趣属性”或者“关键词提取”。其中:

  • 管理离线作业 - 推荐系统 RES

    新执行”、“删除”等操作。您也可以通过查看服务详细信息判读作业训练状态和查询训练结果。 复制离线作业 用户可以通过复制组合作业再次创建新作业进行离线计算。生成数据和原来作业生成数据相互独立,复制离线作业会生成新线上指定UUID。 操作步骤如下: 登录RES管理控制

  • 过滤规则 - 推荐系统 RES

    白名单地址 白名单所在路径。白名单之外物品不应该出现在最终推荐结果集里。白名单内容需要存储在OBS上。 历史行为过滤 单击增加历史行为过滤,单击后方删除过滤行为。指定用户个性化物品候选集过滤准则。例如对于用户过去3天内有过view行为物品(如新闻)过滤,使之不进入候选集。

  • 实时日志 - 推荐系统 RES

    实时日志 RES根据实时发送到DIS上日志,进行数据计算和处理,更新用户相关数据。用户发送到DIS上数据具体如下: 实时行为日志 实时行为日志作用包括: 更新用户兴趣标签。 记录所选行为类型历史记录。 更新用户上下文信息。 召回候选集。 表1 实时行为日志字段描述 字段名

  • 排序策略-离线排序模型 - 推荐系统 RES

    数值稳定常量:为保证数值稳定而设置一个微小常量。默认1e-8。 adagrad:自适应梯度算法 对每个不同参数调整不同学习率,对频繁变化参数以更小步长进行更新,而稀疏参数以更大步长进行更新。 学习率:优化算法参数,决定优化器在最优方向上前进步长参数。默认0.001。 初

  • 构造请求 - 推荐系统 RES

    对于获取用户Token接口,您可以从接口请求部分看到所需请求参数及参数说明。将消息体加入后请求如下所示,加粗斜体字段需要根据实际值填写,其中username为用户名,domainname为用户所属账号名称,********为用户登录密码,xxxxxxxxxx为project名称,如“cn-n

  • 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

  • 组合作业 - 推荐系统 RES

    您可以根据业务需要,选择合适召回策略。召回策略用于配置离线计算逻辑,通过启动离线计算任务进行候选推荐结果集生成。 各个召回策略详细参数设置和输入输出请单击下方链接查看。 基于特定行为热度推荐 基于综合行为热度推荐 基于物品协同过滤推荐 基于用户协同过滤推荐 基于交替最小二乘矩阵分解推荐

  • 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。

  • 智能场景(猜你喜欢) - 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。

  • 排序策略 - 推荐系统 RES

    数值稳定常量:为保证数值稳定而设置一个微小常量。默认1e-8。 adagrad:自适应梯度算法 对每个不同参数调整不同学习率,对频繁变化参数以更小步长进行更新,而稀疏参数以更大步长进行更新。 学习率:优化算法参数,决定优化器在最优方向上前进步长参数。默认0.001。 初

  • 近线作业 - 推荐系统 RES

    兴趣标签召回候选集:根据用户画像兴趣标签召回候选集。 实时标签召回候选集:根据用户实时操作物品标签召回候选集。 默认兴趣标签召回候选集。 兴趣宽度 生成候选集中兴趣宽度,值越小候选集中类型越少。 说明: 选择兴趣宽度数量对应,权重值最高兴趣标签个数进行检索,得到标签匹配物品候选集。

  • 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。