概述
冷启动对推荐系统来说是一个挑战，究其原因是因为现有的推荐算法，无论是召回、粗排还是精排模块，都对新用户、新物品不友好，它们往往过度依赖系统收集到的用户行为数据，而新用户和新物品的行为数据是很少的。这就导致新物品能够获得的...
概览
面向AIGC中文文生图模型的WebUI使用 AI个人写真 推荐算法定制概述 推荐解决方案综述 灵骏智算资源组使用指南 智能文创解决方案 智能货柜商品分析解决方案 机器阅读理解解决方案 多模态检索解决方案 工业质检解决方案 图像内容风控解决方案 ...
效果测试期及控制台中的问题
目前智能推荐支持多种行为，具体参考各行业的数据规范：电商行业、新闻行业、内容行业，算法模型训练的目标是用户的点击行为占比更好（CTR）。后期智能推荐会开放更多的行为类型的支持。关于如何定义曝光行为，如果埋点参见 曝光行为埋点 3...
策略配置
体验优化规则 功能介绍 默认的行业算法模板天然存在一些体验问题，例如出现热点后相似标题内容集中推荐、陈旧的热点内容已失去价值仍然频繁推荐，体验优化规则针对这类问题提供解决方案。操作指南 新品强推：打开开关后，对于规则生效的...
准备工作
AIRec推荐算法是需要用户的行为数据来学习用户喜好的。启动数据：指AIRec实例启动之前，准备好的已有的历史数据，该部分数据可以用于模型启动，让其更快的拥有推荐效果。实时数据：实例启动完成后，仅可以通过SDK上传的，增量的数据。...
功能特性
使用可视化大屏查看分析报告 预置算法组件库 支持数据源、数据预处理、特征工程、统计分析、机器学习、时间序列、推荐算法、异常检测、自然语言处理、网络分析、金融板块、视觉算法、语音算法、自定义算法等上百种PAI内置算法组件，开箱即...
V3.3.47版本说明
更新内容 复购预测、货品推荐：优化算法模型、预测任务与关联的受众、行为数据集、商品数据集、商品池之间的删除先后逻辑，完善删除限制。优化新建算法模型的配置项说明，优化剩余可用模型训练任务数、预测任务数展示方式，优化其他多处...
电商网站智能推荐
将数据推送至智能推荐，通过AI算法输出推荐结果。方案优势 来自于阿里巴巴集团内部研发多行业和多场景的成熟方案，适用于不同用户的业务需求。您无需考虑流处理、算法、运维、监控等问题，DataWorks平台一站式解决。用户级数据隔离，敏感...
V3.3.28版本说明
V3.3.28推出全新功能模块——智能实验室，包括品牌高潜预测、商品匹配推荐功能，为企业实现精细化运营提供科学的算法策略指导，提升企业会员的复购率、购买力和转化率：品牌高潜预测：基于用户既往购买行为记录，通过训练算法模型，预测...
组件参考：所有组件汇总
推荐方法 FM算法 FM（Factorization Machine）算法兼顾特征之间的相互作用，是一种非线性模型，适用于电商、广告及直播的推荐场景。ALS矩阵分解 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估...
创建和管理IPsec连接（双隧道模式）
说明 如果VPN网关实例的带宽规格为200 Mbps及以上，推荐使用 aes、aes192、aes256 加密算法，不推荐使用 3des 加密算法。aes是一种对称密钥加密算法，提供高强度的加密和解密，在保证数据安全传输的同时对网络延迟、吞吐量、转发性能影响较...
创建和管理IPsec连接（单隧道模式）
说明 如果VPN网关实例的带宽规格为200 Mbps及以上，推荐使用 aes、aes192、aes256 加密算法，不推荐使用 3des 加密算法。aes是一种对称密钥加密算法，提供高强度的加密和解密，在保证数据安全传输的同时对网络延迟、吞吐量、转发性能影响较...
置顶管理
概述 置顶管理功能支持您将指定的物品置于推荐流顶部，确保用户每次进入推荐页面时最先曝光这些物品。置顶功能可以在个性化推荐的基础上，满足...2.置顶物品由于下架或者过期导致的失效情况，系统将自动用算法推荐的结果在置顶物品后面补位。
模型配置
在货品推荐中，需要先完成模型配置，当且仅当模型执行成功后，可基于模型进行货品推荐。模型训练成功后，您可以通过模型验证了解该模型的准确率、召回率，并查看商品之间的关联关系。前提条件 算法模型需要依赖行为数据集、商品标签数据集...
苹果ATS证书的选择及配置
证书的哈希算法和密钥长度 哈希算法：上述推荐的证书品牌使用的哈希算法都是SHA256或者更高强度的算法，符合ATS的要求。密钥长度：如果您选择使用系统生成CSR的方式，系统生成的密钥采用的是2,048位的RSA加密算法，完全符合ATS的要求。如果...
通过选投策略配置，快速搭建推荐场景
三、新闻行业及内容行业定制场景 我们举一个新闻业务背景的例子，打造一个新闻app中导航栏中“娱乐新闻”的推荐场景。注意：如果想要打造新闻频道、内容行业不同模块的推荐等，可参考如下类似的搭建流程。 在控制台的业务定制功能栏下...
产品概述
AIRec智能推荐 阿里云智能推荐AIRec（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，结合在电商、内容、新闻资讯、视频直播和社交等多个行业领域的积累，为全球企业及开发者提供个性化推荐服务。...
什么是智能推荐AIRec
阿里云智能推荐AIRec（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，结合在电商、内容、新闻资讯、视频直播和社交等多个行业领域的积累，为全球企业及开发者提供个性化推荐服务。您只需要按约定...
新闻行业
内容表（item）：最近场景内全部可以被推荐的新闻内容的全量表。由于item数量受quota限制，建议您上传前做去重处理。item_id与item_type二者同时唯一确定一条item。用户表（user）：最近系统的全部注册用户表。由于user数量受quota限制，...
管控台概览
应用场景 搜索增强 结合优质算法，在百科，医疗，新闻等多搜索领域中，提升搜索效果。快速体验：智能搜索结果：结合传统关键字搜索和向量召回搜索以及NLP算法，实现语义智能搜索。集成全自研多语言query分析能力（分词、NER、纠错、改写、...
计费方式与价格说明
概览 AIRec智能推荐目前有两类版本，分别为冷启动版及商用版，商用版中包含行业运营版与算法配置版。两类版本计费方式不同，冷启动版采用按量付费的收费方式，而商用版则以包年包月的收费方式为准。您可以在下方了解到不同版本的详细计费...
产品简介
阿里云自然语言处理包含以下子服务：NLP基础服务，为用户提供包括分词、词性标注、命名实体、情感分析、中心词提取等自然语言处理基础服务，可用于智能问答、对话机器人、舆情分析、内容推荐、电商评价分析等场景中。温馨提示：NLP基础服务...
产品计费
服务类型 版本 算法服务 支持领域 免费调用量 基础文本服务 基础版 中文分词 通用 50万次/天 词性标注 通用 50万次/天 命名实体识别 电商 50万次/天 情感分析 通用 50万次/天 中心词提取 中、英文电商 50万次/天 智能文本分类 新闻、电商 ...
DescribeInstance-查询实例信息
取值：Algorithm_configuration：算法配置版。Industry_operation：行业运营版。Cold_start：冷启动版。Standard lockMode string 实例锁定状态。取值：Unlock：未锁定。ManualLock：手动锁定。LockByExpiration：欠费锁定。Unlock ...
数据埋点指南
本文通过新闻行业举例说明，智能推荐适合什么样的场景，需要怎么样的埋点数据进行模型训练。使用业务场景 以智能推荐的 猜你喜欢、新闻行业 为例，适用于首页的feed流推荐，以优化用户的点击率为主。如下图所示：目的为通过终端用户的浏览...
存储压缩
LZ4算法的压缩速度和压缩率不如ZSTD，但是解压速度明显优于ZSTD算法，因此对于查询性能要求严格的场景，推荐采用LZ4算法。ZLIB ZSTD LZ4 压缩速度 9.5 MB/s 19.2 MB/s 12.7 MB/s 解压速度 154.9 MB/s 353.4 MB/s 854.4 MB/s 压缩率 3.83 3....
商品推荐任务
算法模型训练成功后，您可以使用算法模型进行货品推荐，得到用户的TopN推荐商品或用户针对某一指定商品的偏好指数。新建推荐任务 说明 新建推荐任务时将使用状态为训练成功的唯一算法模型，请确保本空间当前有训练成功的算法模型，否则不能...
GoLang驱动
取值范围：国际算法：AES_128_GCM AES_128_CTR AES_128_CBC AES_128_ECB（不推荐）国密算法：SM4_128_GCM（默认）SM4_128_CTR SM4_128_CBC SM4_128_ECB（不推荐）说明 AES_128_ECB和SM4_128_ECB加密算法安全性较弱，请谨慎使用，推荐适用...
重排配置
控制最小间隔,上面描述的 k 值 WindowSize int 否 窗口大小，上面描述的 n 值 FrequencySize int 否 窗口内重复的次数，上面描述的 m 值 DPPSort DPP多样性打散算法参考资料：《基于行列式点过程的推荐多样性提升算法的直观理解》。...
性能测试工具-Shell
配置被测表的压缩算法，可选项有：#NONE LZO ZSTD SNAPPY GZ LZ4 ZSTD 等#注意部分被测系统可能不支持指定的压缩算法#云Lindorm推荐使用ZSTD ahbench.table.compression=SNAPPY#配置被测表的编码算法，可选项有：#NONE DIFF INDEX#注意部分...
工程架构
架构图 冷启动链路的整体框架如下图所示：冷启动链路流程 App请求推荐服务，获取推荐内容列表 推荐服务调用 冷启动召回模块，获取匹配上的候选物品 推荐服务调用 冷启动算法打分EAS服务，传递参数：待打分候选物品列表，用户/物品特征，...
附录：ACCL环境变量
MP（推荐）RING_CHUNKED BRUCK ACCL_BROADCAST_TYPE 指定Broadcast算法 BN_TREE（默认）FULLMESH ACCL_NUM_QP RDMA网络连接QP数 支持的配置：1~16 推荐的配置：2 ACCL_NUM_SOCKETS TCP网络连接Socket数 支持的配置：1~16 推荐的配置：2 ...
swing推荐
swing推荐是swing的批处理预测组件，您可以使用该组件基于swing训练模型和预测数据进行离线预测。本文为您介绍swing推荐的参数配置。使用限制 支持运行的计算资源为MaxCompute和Flink。组件配置 您可以通过以下任意一种方式，配置swing推荐...
基于Alink框架的FM推荐
FM（Factorization Machine）算法兼顾特征之间的相互作用，是一种非线性模型，适用于电商、广告及直播等推荐场景。Designer 预置了FM算法模板，便于您快速构建基于Alink框架的FM推荐模型，快速实现推荐系统并应用于上述场景。本文为您介绍...
快速开始
一、Contextual Bandit 算法的适用范围 Contextual Bandit 算法虽然可以用来解决冷启动问题，但如果在一些基础条件不满足时，算法可能不能很好地收敛。注意：探索流量是否足够。如果一个场景新品数量很大，每时每刻都有新品源源不断地加...
Quick Audience数据集样例
对于货品推荐，若需要通过算法模型训练得到商品类目之间的关联关系，可以将类目做为行为数据集的行为对象（行为对象属性、行为对象属性值、行为对象属性值ID分别记录“类目”、类目名称、类目ID），将类目作为商品标签数据集的数据内容，...
使用Grafana进行异常检测算法调优
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
时序异常检测的常见问题
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
使用Grafana进行异常检测算法调优
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
使用Grafana进行异常检测算法调优
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
- 产品推荐
- 这些文档可能帮助您