推荐系统 RES

推荐系统(Recommender System),基于华为大数据和人工智能技术,提供全流程一站式推荐平台,协助企业轻松构建个性化推荐应用,致力于提升企业应用的点击率、留存率和用户体验

推荐系统 RES

基于华为大数据和人工智能技术,提供推荐平台和算法服务

    推荐系统 更多内容
  • 过滤规则

    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,计算引擎 DLI 用于推荐系统的离线计算和近线计算。 集群名称,选择“资源中心”绑定的DLI集群名称。 任务配置地址,在创建作业时, 会自动生成一个JSON格式的配置

    来自:帮助中心

    查看更多 →

  • 获取推荐结果

    Mozilla、Google都为REST提供了图形化的浏览器插件,发送处理请求消息。 预测接口的调用和接口参数请参见预测接口,更多接口信息请参见《推荐系统API参考》。 父主题: 在线服务

    来自:帮助中心

    查看更多 →

  • 管理属性配置

    属性配置以键值对的方式进行存储,配置后的配置项可以用于整个服务。该配置项的值为用户指定的OBS路径,OBS相关操作请参见创建OBS桶。 前提条件 已开通OBS服务,并按照推荐系统OBS文件夹规范建议格式创建文件夹。 已上传离线数据。 创建场景 您可以根据自己的业务创建场景进行配置,最多可以创建10个场景。具体操作如下:

    来自:帮助中心

    查看更多 →

  • 通过DLF重新执行作业

    通过DLF重新执行作业 推荐系统提供了重新执行作业的API,用来将任务以相同的配置重新执行一次,实现对离线任务生成结果的更新。以固定的周期定时调用此API,可保持结果处于一个较新的状态,以获得更好的推荐结果。 以上功能,我们也可以使用 数据治理中心 DataArts Studio

    来自:帮助中心

    查看更多 →

  • 上传离线数据源至OBS

    创建桶的区域需要与RES所在的区域一致。RES目前只支持华北-北京四区域。例如:当前RES在华北-北京四区域,在 对象存储服务 创建桶时,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

    来自:帮助中心

    查看更多 →

  • 创建工作空间

    创建工作空间 功能介绍 用于在推荐系统下面创建独立的工作空间,用于资源的隔离,用户可以在工作空间下面继续创建数据源、场景以及推荐任务等。是否有工作空间的操作权限取决于用户是否属于当前工作空间绑定的企业项目。 调试 您可以在 API Explorer 中调试该接口。 URI POST /v2

    来自:帮助中心

    查看更多 →

  • (可选)创建企业项目

    具体操作请参见创建用户组。 (可选)在IAM中创建自定义策略,具体操作请参见创建自定义策略。您可以根据业务需求选择不同的策略,例如,配置推荐系统服务“允许查看作业列表”和“允许查看作业详情”两种自定义策略。 在RES管理控制台,选择“工作空间>创建工作空间”,进入“创建工作空间”页面,单击“新建企业项目”。

    来自:帮助中心

    查看更多 →

  • 实时日志

    String 用于追踪每个被推荐物品的唯一ID。用于推荐效果的计算。 否 flowId String 用于计算每一个在线服务的效果。flowId由推荐系统的API返回给用户,用户需把flowId写到用户行为日志中。 否 实时行为日志示例 { "userId": "user1", "objectType":

    来自:帮助中心

    查看更多 →

  • 绑定依赖资源

    绑定依赖资源 功能介绍 该接口用于绑定推荐系统所需的平台资源,绑定后可用于离线、近线、排序等作业的运行。 URI POST /v1/{project_id}/resources 参数说明请参见表1-URI参数说明。 表1 URI参数说明 名称 是否必选 类型 说明 project_id

    来自:帮助中心

    查看更多 →

  • 召回策略

    召回是指对大量的物品做初选,为每一个用户形成个性化侯选集。召回策略中内置了多种召回方式,用户可根据自己场景选择。召回策略对应流程请参见图1。 图1 召回策略 推荐系统支持的召回方式有: 基于特定行为热度推荐 基于综合行为热度推荐 基于物品的协同过滤推荐 基于用户的协同过滤推荐 基于交替最小二乘的矩阵分解推荐

    来自:帮助中心

    查看更多 →

  • 离线数据源

    用户属性表 物品类数据 物品属性表 行为类数据 用户操作行为表 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。

    来自:帮助中心

    查看更多 →

  • 通过DLF进行作业监控及任务异常重新启动

    通过DLF进行作业监控及任务异常重新启动 推荐系统提供了查询作业详情API接口,可返回作业详情。返回体中的作业状态字段“jobs.job_status”表示了当前任务的状态。 重新执行作业的API用来将任务以相同的配置重新执行一次。 通过查询作业详情API和重新执行作业的API可

    来自:帮助中心

    查看更多 →

  • 准备离线数据源

    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

    来自:帮助中心

    查看更多 →

  • 效果评估

    用户操作行为表:初始数据中的用户操作行为表。 “通用格式” 通用格式数据:特征工程“初始用户画像-物品画像-标准宽表生成”算子生成的用户推荐系统的数据。从用户特征表、物品特征表以及用户行为表中提取用户、物品特征和用户行为,并生成json数据,即内部通用格式。 数据时间范围 被统计数据的起始时间和终止时间。

    来自:帮助中心

    查看更多 →

  • 近线作业

    近线作业 近线作业简介 近线作业为推荐系统提供实时计算能力。近线作业以 数据接入服务 DIS中的数据为数据源,实时计算并更新用户画像、物品画像和推荐候选集等数据。使用近线作业,用户需先将业务系统埋点日志转换成实时日志指定格式,并实时写入DIS相应通道。近线作业具体实现请参见图1。 图1

    来自:帮助中心

    查看更多 →

  • 数据质量

    INFO为画像表中定义的基本属性字段,TAGS为画像表中定义的带权重的标签,Context为上下文属性。该文件用于说明数据字段信息,以便推荐系统识别用户离线数据,通过特征工程将对应的数据写入到画像中,同时用于排序训练和线上推理服务中使用。 文件数据信息请参见全局特征信息文件数据格式。

    来自:帮助中心

    查看更多 →

  • 如何上传实时数据?

    如何上传实时数据? 推荐系统支持您通过SDK上传实时数据,具体操作方法如下。 前提条件 如果需要使用近线上传实时数据的用户,可以使用DIS SDK接口上传,请您按照需求下载DIS SDK,下载完之后按照下面的说明进行SDK升级。 子账户无法使用SDK上传数据,需要主账号授权子账号DIS

    来自:帮助中心

    查看更多 →

  • 什么是云数据库 GeminiDB

    兼容Key-Value接口:Redis GeminiDB提供高并发、低延迟业务访问。具备极致弹性扩缩容能力,从容应对业务高峰。常见的用户场景包括游戏、广告RTA、推荐系统、电商、教育等。 GeminiDB Redis是一款100%兼容Redis协议的弹性KV数据库,支持远超内存的容量和极致的性能。它具有稳

    来自:帮助中心

    查看更多 →

  • 获取推荐结果

    Mozilla、Google都为REST提供了图形化的浏览器插件,发送处理请求消息。 此处以Postman为例,指导您如何通过调用预测接口获取推荐结果。更多接口信息请参见《推荐系统API参考》。 下载Postman软件并安装,您也可以直接在Chrome浏览器添加Postman扩展程序(也可使用其它支持发送post请求的软件)。

    来自:帮助中心

    查看更多 →

  • 如何确定近线数据源导入实时数据成功?

    如何确定近线数据源导入实时数据成功? 近线数据源上传成功后,可在推荐系统控制台的“数据源”直接查看。 父主题: 数据源

    来自:帮助中心

    查看更多 →

  • 计费说明

    RES服务根据用户使用的不同资源分别进行收费。 计费支持区域:华北-北京四。 由于RES使用的离线数据需存储在OBS中,数据存储产生的费用,请参见《OBS价格说明》。 表1 推荐系统计费项说明 计费项 说明 存储资源 应用于物品画像和用户画像的存储计费,对用户和物品的总条目数统计进行收费。 每个数据源默认规格最低是一

    来自:帮助中心

    查看更多 →

共101条
看了本文的人还看了