检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
structure String 结构。 workspace_id String 工作空间编号。 data_config DataConfig object 数据配置。 specs_config SpecsConfig object 计算规格配置。
结果保存路径 单击选择所有输出数据在OBS的保存根路径,会在这个根路径下自动创建feature_map、features_info_online_use、fields_feature_size、test_data、train_data五个文件夹,分别保存特征映射、在线所需特征信息、
need_preferences 否 Boolean 是否开启优选项功能,需匹配global_features_info_path,profile_uuid和attr_weight。
表5 data_source参数说明 参数名称 是否必选 参数类型 说明 table_type_id 是 String 推荐通用数据模板 用户属性表USER_META 物品属性表ITEM_META 用户操作行为表USER_BEHAVIOR 数据格式请参见推荐系统离线数据源。
文件路径为特征工程中排序样本预处理作业输出数据的结果保存路径的“fields_feature_size”目录下文件名称是part-00000开头的文件,需要用户提供文件的OBS路径。 最大迭代轮数 模型训练的最大迭代轮数,默认50。
algorithm_type 是 String 算法名称,推荐系统内部定义,必须为LR、FM、FFM、DEEPFM、PIN中的某一个。 algorithm_parameters 是 JSON 每个算法有其各自的参数列表,包括初始化、最优化、正则项等参数。
offline参数说明 参数名称 是否必选 参数类型 说明 table_type_id 是 String 推荐通用数据模板 用户属性表USER_META 物品属性表ITEM_META 用户操作行为表USER_BEHAVIOR 通用格式GENERAL_FORMAT 数据格式请参见推荐系统离线数据源
将实时近线任务需要的数据添加到DIS中,推荐系统通过读取该数据进行近线计算。 platform_parameter 是 JSON 请参见表11,平台参数。
"project_id": "07f125793ba7497d887cb112dc917e87", "user_id": "b72b44e54fbc4b31adddf7c27a226b0e", "type": "global_features_information_path
什么是推荐系统 推荐系统(Recommender System,简称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,并帮助企业构建个性化推荐应用,助力提升网站/APP的点击率、留存率和用户体验。
" } 失败响应示例 { "is_success": false, "error_code": "res.2006", "error_msg": "The datasourceUrl(<数据源存储路径>) is not match Bucket structure
商用 准备离线数据源 数据结构 2020年6月 序号 功能名称 功能描述 阶段 相关文档 1 推荐系统2.0全新上线 推荐系统支持用户自定义场景和智能场景。智能场景根据场景类型预置好对应的智能算法,为匹配的场景提供智能推荐服务。
将实时近线任务需要的数据添加到DIS中,推荐系统通过读取该数据进行近线计算。 in_stream_conf 是 JSON 请参见表8,平台参数。 out_stream_conf 是 JSON 请参见表9,平台参数。
附录 错误码 状态码 获取项目ID 获取账号ID
权限管理 创建用户并授权使用RES RES自定义策略
配额说明 为防止资源滥用,平台限定了各服务资源的配额,对用户的资源数量和容量做了限制。 表1 RES服务配额 资源 限制条件 建议 推荐引擎预测接口中最多请求结果数量 20 可提工单支持更高规格。 单份画像数据中最多支持的特征数量 30 单场景在线服务最多支持每秒请求的次数(TPS
系统策略 RES ReadOnlyAccess 推荐系统服务只读权限,拥有该权限的用户仅能查看推荐系统服务数据。 系统策略 RES常用操作与系统策略的授权关系如表2所示,您可以参照该表选择合适的系统策略。
API 在线服务 场景 工作空间 数据源 查询规格 训练作业 调度
使用便捷,一键式构建推荐系统,提供标准API接口,调用简单,便于被集成。 实时更新,具备实时更新能力,更快反馈用户的精准需求。 降低成本,减少人力支出投入。
推荐系统属于高并发低时延场景,建议使用私有网络获取推荐结果。