深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

配置物品status状态，完成物品的上下架 在推荐系统中，有一种常见的场景，最终推荐列表是否展示无库存或者已下架商品。针对此场景，RES系统在物品表中提供status字段来实现物品的上下架。 参考准备离线数据源中的物品表字段介绍，status置为0，代表该物品可被推荐。statu

查看更多 →

查看探测状态 “探测状态”是指安全产品数据上报到SA的状态。通过查看探测状态，您可以判断是否正常上报当前产品数据。 表1 探测状态说明 状态 说明 探测正常 表示一个小时内，数据接口被调用次数大于等于8次，接口连通性正常，“探测状态”检测正常，正常上报当前产品数据。 启用产品集成后一个小时内，默认探测状态为正常。

查看更多 →

发布探测消息 功能介绍 基于主题发送http/https探测消息，探测当前http/https 终端是否可用，SMN出口是否能够正常访问该终端。 调用方法 请参见如何调用API。 URI POST /v2/{project_id}/notifications/topics/{topic_urn}/detection

查看更多 →

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 根据不同的功能模块，获取对应的推荐结果。

查看更多 →

获取http探测结果 功能介绍 根据http探测发送返回的task_id查询探测结果。 调用方法 请参见如何调用API。 URI GET /v2/{project_id}/notifications/topics/{topic_urn}/detection/{task_id} 表1

查看更多 →

SpecsConfig object 计算规格。 type 是 String 场景类型： UI，基于用户推荐物品 UU，基于用户推荐用户 II，基于物品推荐物品 IU，基于物品推荐用户 service_type 是 String 服务类型： rank，排序服务 rec，推荐服务 表4

查看更多 →

SpecsConfig object 计算规格。 type 是 String 场景类型： UI，基于用户推荐物品 UU，基于用户推荐用户 II，基于物品推荐物品 IU，基于物品推荐用户 service_type 是 String 服务类型： rank，排序服务 rec，推荐服务 表5

查看更多 →

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。 图1 RES电商推荐 RES+媒资应用场景

查看更多 →

基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型

查看更多 →

避免物品重复推荐（曝光过滤） 本实践介绍用户在客户端浏览、点击过的某些商品，在规定的时间内，重复请求推荐接口，不会被再次推荐。 功能说明 该功能使用涉及两部分：实时行为数据的接入和在线服务配置行为过滤。当数据源部分开启近线行为实时接入之后，并且用户通过上传实时行为数据，系统才具备

查看更多 →

behavior_type 是 String 行为类型。 view：物品曝光 click：用户点击物品 collect：用户收藏了某个物品 uncollect：用户取消收藏某个物品 search_click：用户点击搜索结果中的物品 comment：用户对物品的评论 share: 分享 like：点赞 dislike：点衰

查看更多 →

迁移学习 如果当前数据集的特征数据不够理想，而此数据集的数据类别和一份理想的数据集部分重合或者相差不大的时候，可以使用特征迁移功能，将理想数据集的特征数据迁移到当前数据集中。 进行特征迁移前，请先完成如下操作： 将源数据集和目标数据集导入系统，详细操作请参见数据集。 创建迁移数据

查看更多 →

可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

用户数据url。 item_url 是 String 物品数据url。 behavior_url 是 String 行为数据url。 表7 Nearline 参数 是否必选 参数类型 描述 item_topic 否 Topic object 物品topic。 user_topic 否 Topic

查看更多 →

学习任务 管理员以任务形式，把需要学习的知识内容派发给学员，学员在规定期限内完成任务，管理员可进行实时监控并获得学习相关数据。 入口展示 图1 入口展示 创建学习任务 操作路径：培训-学习-学习任务-【新建】 图2 新建学习任务 基础信息：任务名称、有效期是必填，其他信息选填 图3

查看更多 →

学习目标 掌握座席侧的前端页面开发设计。 父主题： 开发指南

查看更多 →

课程学习 前提条件 用户具有课程发布权限 操作步骤-电脑端 登录ISDP系统，选择“作业人员->学习管理->我的学习”并进入，查看当前可以学习的课程。 图1 我的学习入口 在“我的学习”的页面，点击每个具体的课程卡片，进入课程详情页面。可以按学习状态（未完成/已完成）、学习类型（

查看更多 →

学习空间 我的课堂 MOOC课程 我的考试

查看更多 →

String 用户数据url。 item_url String 物品数据url。 behavior_url String 行为数据url。 表7 Nearline 参数 参数类型 描述 item_topic Topic object 物品topic。 user_topic Topic object

查看更多 →