智慧型推薦系統 2018-12-20 21:21:21
一、阿里推薦引擎概述
推薦引擎（recommendationengine，以下簡稱receng，特指阿里雲推薦引擎）是在阿里雲計算環境下建立的一套推薦服務框架，目標是讓廣大中小網際網路企業能夠在這套框架上快速的搭建滿足自身業務需求的推薦服務。
二、費用
api呼叫次數加1（百萬次／月），則每個月增加100元費用。
大資料計算服務maxcompute費用分兩種方式，分別是預付費（包年包月）和按量付費，具體如下：
三、使用步驟
3.1 建立maxcompute專案
3.2 資源管理----新增雲計算資源
3.3 業務列表----新建業務
此處的大資料計算資源就選擇3.2新增的計算資源。
注：呼叫api介面時的bizcode值即是新建業務時填寫的「業務code」。
業務列表頁面展示已經新增的業務的列表。業務是推薦引擎中的基本管理單元，業務包含基本屬性、資料和場景三類資訊。
3.4 配置業務資料
3.5 建立推薦場景
測試沒問題可發布到線上：
線上的場景也可以下線進行測試。
四、資料規範
4.1 資料格式規範
該資料模型總共包括了7張表，這些表有以下特點：
1、在maxcompute（原來odps）中需要自己手工建立這些表；
2、表名沒有固定要求，可以按照自己的習慣命名；
4、每張表中填充的資料，必須符合推薦引擎的要求；
5、 每張表中是否都有記錄取決於業務場景和業務資料現狀，其中以下幾張表中必須有資料：使用者資訊表、物品資訊表、使用者行為表；
6、對於業務資料中無法提供的字段可以填null；
7、每張表都必須是分割槽表，以』yyyymmdd』格式的字元型字段ds作為分割槽字段；
8、除了行為表需要每日上傳外，其他meta表如果不發生變化可以不導，推薦引擎會自動獲取最近乙個有資料的分割槽中的meta表資料進行演算法計算。
9、如果未傳可推薦物品表，則將物品表全量作為可推薦物品表，繼承item_info 字段；
10、推薦引擎在對資料進行離線計算時，會產生資料結果資料和中間資料。其中中間資料的資料量大小取決於所使用的離線流程中的演算法複雜度。例如乙個標準的協同過濾演算法其中間表資料量可能是原始資料輸入表資料量的5到10倍。推薦引擎預設對中間資料保留一天。
4.2 日誌埋點規範
推薦引擎的日誌格式為標準的jsonobject。其中對於實時行為日誌，可以使用日誌api這個api進行上傳，將每條日誌put到demo中的logs中。
指receng的使用者，系統中由其阿里雲賬號代表。通常客戶是乙個組織，receng中常用org表示客戶。
指客戶的使用者，即receng使用者的使用者。推薦是乙個2c的服務，使用推薦服務的客戶必然有其自己的使用者，receng使用者的使用者簡稱為「使用者」，系統中常用user表示使用者。
業務針對資料集定義，定義了演算法所能使用的資料範圍。乙個客戶在receng上可以有多個業務，不同的業務必然有不同的資料集。receng要求每個業務提供四類資料（不要求全部提供）：使用者資料，物品資料，使用者行為資料，推薦效果資料。每一組這樣的資料就構成乙個業務。系統中常用biz表示業務。
乙個業務最好只推薦一類物品。多類物品的推薦在後續的行業模板會有支援，需要引入板塊(plate)的概念，乙份業務資料可以生成多個板塊的資料集，場景繫結某個板塊進行推薦演算法計算。
場景指的是推薦的上下文，每個場景都會輸出乙個api，場景由推薦時可用的引數決定。有兩種場景最為常見，分別是首頁推薦場景和詳情頁推薦場景。顧名思義，在執行首頁推薦時，可用的引數只有使用者資訊；而在執行詳情頁推薦時，可用的引數除了使用者資訊，還包括當前詳情頁上所展示的物品資訊。系統中常用scn表示場景。
乙個業務可以包含多個場景，即對於某個業務a，它包含多個首頁場景也是完全可以的。
作業指執行中的離線流程例項，作業和離線流程的關係完全等同於程序和程式的關係。每個作業都是不可重入的，即對每個離線流程，同一時間只允許執行乙份例項。作業直接存在上下游關係，如果上游作業失敗，下游任務也會被取消。
阿里雲推薦引擎使用教程
產品概述 推薦引擎 recommendation engine，以下簡稱receng，特指阿里雲推薦引擎 是在阿里雲計算環境下建立的一套推薦服務框架，目標是讓廣大中小網際網路企業能夠在這套框架上快速的搭建滿足自身業務需求的推薦服務。基本概念 客戶 租戶 org tenant 指receng的使用者，...
Mapreduce 推薦引擎
購買過該商品的顧客還購買過哪些商品 給乙個商品，推薦購買過這個商品的使用者經常購買的五件產品 輸出是鍵值對，鍵是商品，值是5個商品的列表 map1 key userid value userid購買過的產品 map userid,item reduce1 reduce userid,item i1,...
阿里雲推薦引擎適用場景
常規推薦 適用於需要個性化推薦的多種業務場景，以資料驅動業務，通過人工智慧實現1對1營銷，為您的使用者提供量身定做的服務，幫助您的企業快速創新。場景亮點 新聞場景 針對不同地域 不同愛好的使用者提供個性化的內容推薦，新使用者也能夠享受到實時推薦，新發生的新聞也能夠實時推薦出去，真正解決了海量新聞精準...