什么是个性化算法开发平台
个性化开发平台（The Personalization Platform，简称TPP)，面向算法和工程同学，支持召回、在线预测等业务编排的开发平台，专注于推荐、搜索、广告行业。提供成熟的工程框架，帮助算法从资源管理、运维中解放出来，专注业务逻辑开发、业务...
通过阿里云百炼搭建专属大模型应用
参数 说明 向量维度 包含：通用文本向量（1536）算法自定义向量（1024）推荐使用算法自定义向量（1024）。中文分词器 仅支持默认分词器。区域 AnalyticDB PostgreSQL版 实例所在的地域。目前仅支持 北京。选择实例 选择 AnalyticDB ...
产品概述
产品详细介绍见：什么是召回引擎 个性化算法开发平台TPP 个性化开发平台（The Personalization Platform，简称TPP)，面向算法和工程同学，支持召回、在线预测等业务编排的开发平台，专注于推荐、搜索、广告行业。提供成熟的工程框架，帮助...
基础概念
表：术语表 术语 概念 TPP 个性化算法开发平台（The Personalization Platform，简称），面向算法和工程同学，支持召回、在线预测等业务编排的开发平台，专注于推荐、搜索、广告行业。提供成熟的工程框架，帮助算法从资源管理、运维中解决...
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...
SimRank+相似度计算算法
本文介绍了推荐系统中一个常用的协同过滤算法SimRank，包括它的算法原理，及其应用在个性化推荐场景时的改进。同时，本文还描述了如何在生产环境部署SimRank+算法。算法简介 SimRank算法是一种用于衡量结构上下文中个体相似度的方法，其...
SSL-VPN连接常见问题
推荐方案 推荐客户端使用2.4.0及以上版本的OpenVPN，使客户端和SSL服务端之间自行协商加密算法。说明 若客户端使用Tunnelblick软件，则客户端和SSL服务端之间默认动态协商加密算法，将使用双方均支持的最高安全级别的加密算法，您为SSL服务...
算法平台：心动网络TapTap的Serverless探索之路
例如，搜索、广告、推荐都依赖的深度学习模型自动化更新、部署，以及组内算法人员都需要依赖的模型实验记录平台，还有站内新内容的一些NLP分析处理等。业务痛点 早期，TapTap绝大部分的后端服务都是部署在ECS，通过Rundeck进行管理和部署，...
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...
Designer使用案例汇总
推荐算法定制 案例名称 描述 特征工程 介绍推荐算法定制生成的特征工程。DSSM向量召回 介绍推荐解决方案中生成的DSSM（Deep Structured Semantic Model）向量召回。排序 介绍推荐解决方案-排序的实现方法。基于etrec的U2I2I召回 介绍推荐...
使用EasyRec构建推荐模型
背景信息 EasyRec算法库是阿里云 PAI 的推荐算法工具，包含DeepFM、DIN、MultiTower及DSSM等经典推荐排序和召回算法，可以帮助您在PAI平台上快速训练推荐算法模型、验证模型效果及部署。EasyRec算法库已经在信息推送、游戏、直播及竞价广告...
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...
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...
DeepFM算法
简介 DeepFM将深度学习模型（DNN）和因子分解机（FM）模型结合，同时支持学习低阶显式特征组合和高阶隐式特征组合，不需要人工做特征工程，常用于推荐系统或广告系统。输入通常有以下两类特征：类别特征（Categorical Feature）：字符串...
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...
如何通过图算法能力获取OneID高质量人
（一）背景 对于几乎所有的互联网企业，对于识别、追踪用户身份都有强烈的需求，精准识别用户身份后，就可以收集用户个性化的行为、身份数据，比如用户浏览了什么商品，看了什么视频，去了哪个餐厅等等，从而可以对搜索，广告，推荐等等...
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...
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...
IDMapping在离线一体化解决方案
对于几乎所有的互联网企业，对于识别、追踪用户身份都有强烈的需求，精准识别用户身份后，就可以收集用户个性化的行为、身份数据，比如用户浏览了什么商品，看了什么视频，去了哪个餐厅等等，从而可以对搜索，广告，推荐等等场景做出精准、...
产品功能
云投屏产品功能介绍。...图片视频实现算法标注 ☑️ 动态投放 根据摄像机调整本地投放内容 ☑️ ☑️ 多屏同步 线下多屏同步算法，实现毫秒级别屏幕同步 ☑️ 图文推荐学习 学习图片排列，文字内容，根据输入自动推荐一组排版组合
高维向量检索（PASE）
背景信息 近年来，深度学习领域内的表示学习技术，作为人工智能的代表性技术，取得了长足性进展，在工业界中已经被大量应用，例如广告投放、人脸支付、图像识别、语音识别等场景。数据被嵌入至高维度向量，然后通过向量检索技术来查找相关...
高维向量检索（PASE）
背景信息 近年来，深度学习领域内的表示学习技术，作为人工智能的代表性技术，取得了长足性进展，在工业界中已经被大量应用，例如广告投放、人脸支付、图像识别、语音识别等场景。数据被嵌入至高维度向量，然后通过向量检索技术来查找相关...
高效向量检索（PASE）
本文介绍RDS PostgreSQL如何通过PASE插件（基于IVFFlat或HNSW算法）实现高效向量检索。说明 PASE插件已不再维护，建议您使用 高维向量相似度搜索（pgvector）插件。前提条件 实例为RDS PostgreSQL 11或以上版本。背景信息 近年来，深度学习...
通过数据补全与专属模型，提升新用户转化效果
常用场景 建议结合企业的产品形态、互动玩法、核心留存事件等，确认新用户访问链路，并对链路中涉及的页面、场景应用AIRec算法，以下为电商行业常见场景举例：1、首页推荐：根据用户兴趣生成推荐结果，并结合实时行为刷新推荐，促进行为...
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...
产品优势
高稳定性：经过多年双11高并发大流量考验，支持业务流量隔离，支持代码配置分批次、分机房、按实验灰度发布能力，保障稳定性 行业解决方案：专注于推荐、搜索、广告行业解决方案，多年实践经验，支持多类型召回引擎、在线预测服务业务编排...
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...
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，...
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...
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...
归因配置
概述 在AIRec智能推荐冷启动版中，算法需要有准确连续的归因逻辑，用于判断用户的后续行为（如点击、购买）是否是由于其前置行为（如曝光、点击）导致的。例如某用户在首页场景中点击了某商品进行购买，那么除曝光和点击外，后续用户发生的...
- 产品推荐
- 这些文档可能帮助您