DeepFM算法
sgd：随机梯度下降。rmsprop：对AdaGrad算法进行改进，引入了权重参数，其对应的步长分量累计修改为加权和。validation_split 交叉验证数据比例。默认值为0.2。epochs 迭代次数。默认6次。batch_size batch长度，batch越短越容易过拟合。...
使用ALS算法实现音乐评分预测（旧版）
本文为您介绍如何使用ALS矩阵分解算法预测用户对音乐的评分。前提条件 已创建工作空间，详情请参见 创建工作空间。ALS算法 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，评估缺失项的值，从而得到...
应用场景
商品推荐 基于图的推荐算法是当前推荐系统中的一种重要的技术方向，在兼顾了推荐精度的同时，还能让模型具备较好的可解释性。通过图的共性关系发现和分析方法，通过计算共同邻居数进行相似节点推荐。适用于电商、保险的商品推荐场景。社交...
Designer使用案例汇总
使用ALS算法实现音乐评分预测（旧版）介绍如何使用ALS矩阵分解算法预测用户对音乐的评分。智能风控解决方案 案例名称 描述 图像内容风控解决方案 基于人工智能算法快速构建符合业务场景的风控模型，并部署为EAS在线服务，助力您快速识别高...
组件参考：所有组件汇总
奇异值分解 该组件是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵求对角化的推广。异常检测 该组件用于检测连续值和枚举值类特征的数据，帮助您挖掘数据中的异常点。线性模型特征重要性 该组件包括线性回归和二分类逻辑回归，支持...
GBDT二分类V2
梯度提升决策树(Gradient Boosting Decision Trees)二分类，是经典的基于梯度提升（Gradient Boosting）的有监督学习模型，可以用来解决二分类问题。支持计算资源 支持的计算引擎为MaxCompute。算法简介 梯度提升决策树(Gradient Boosting ...
基本概念
高效训练 高效训练采用低秩适应的方式，通过矩阵分解的方法，更新分解后的低秩部分参数，训练时间较短，收敛速度较快，适用于模型局部效果优化。RLHF训练 RLHF训练通过在强化学习的训练过程中加入奖励模型的方式，实现强化学习结果的持续性...
人工神经网络
adam：是指由Kingma，Diederik和Jimmy Ba提出的基于随机梯度的优化器。说明 就训练时间和验证分数而言，求解器“adam”在相对较大的数据集（具有数千个训练样本或更多）上的效果很好。但是，对于小型数据集，“lbfgs”可以收敛得更快并且...
推荐解决方案综述
获得足够的User和Item数据后，您可以通过协同过滤etrec算法或矩阵分解算法计算得到Item-Item数据，详情请参见 组件配置 或 使用ALS算法实现音乐评分预测（旧版）。说明 etrec算法中可以设置权重 weight。例如，对点击、收藏及购买设置不同...
行业运营版功能详解
AIRec智能推荐行业运营版版本功能详解 行业运营版简介 行业运营版是AIRec智能推荐专为中小型流量推荐场景打造的智能推荐算法，行业运营版拥有完整的阿里巴巴自研推荐算法体验 行业运营版特色 丰富的行业模板 包含电商、新闻、内容行业算法...
Cost-based SQL诊断引擎
在SQL诊断优化领域，基于规则和基于代价模型是两种常被选择的优化推荐算法。基于规则 在目前许多产品和服务中，基于规则的推荐方式被广泛使用，特别是针对MySQL这种WHAT-IF内核能力缺失的数据库，因为该方式相对来说比较简单，容易实现，但...
概述
为什么需要冷启动 通常推荐系统通过协同过滤、矩阵分解或是深度学习模型来生成推荐候选集，这些召回算法一般都依赖于用户-物品行为矩阵。在真实的推荐系统中，会有源源不断的新用户、新物品加入，这些新加入系统的用户和物品由于缺乏足够...
逻辑回归
cg（牛顿法）lbfgs（L-BFGS拟牛顿法）sag（随机梯度下降法）最大迭代次数 求解程序收敛所需的最大迭代次数 否 100[1,10000]分类方式 二分类目标：采用one-vs-rest策略进行分类 多分类目标：直接采用多分类逻辑回归模型 否 自动 自动 二分类...
梯度提升决策树算法（GBDT）
简介 GBDT是一款基于梯度提升的决策树算法。可解释性强，预测速度快。同时，GBDT算法相比于其它算法需要更少的特征工程，可以不用做特征标准化，也不必关心特征之间是否相互依赖，能很好的处理字段缺失的数据，健壮性好。使用场景 GBDT通常...
算法说明
流式分解算法 流式分解算法基于RobustSTL系列模型中的原理进行研发，可对数据流进行批处理但计算成本更高，适合小规模业务指标数据的精确巡检。大规模数据场景下，建议您拆分数据或使用流式图算法。更多信息，请参见 RobustSTL:A Robust ...
Contextual Bandit 算法
然而推荐系统并不能提前知道用户在观察到商品之后如何反馈，也就是不能提前获得本次推荐的收益，唯一能做的就是不停地尝试，并实时收集反馈以便更新自己试错的策略。目的是使得整个过程损失的收益最小。这一过程就类似与一个赌徒在赌场里玩...
ALS评分
可视化配置组件参数 输入桩 输入桩（从左到右）数据类型 建议上游组件 是否必选 user因子表 无 ALS矩阵分解 是 item因子表 无 ALS矩阵分解 是 待评分的输入数据 无 读数据表 读CSV文件 数据预处理 是 组件参数 页签 参数 描述 字段设置 ...
概述
基于 PolarDB for AI 的智能推荐算法和知识图谱技术，再结合阿里巴巴电商策略，为企业提供贯穿推荐能力的一站式服务，助力企业快速过渡冷启动过程。面向不同的业务场景定制个性化解决方案，持续提升核心业务能力，以实现业务营收增长。优势...
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...
AIRec智能推荐效果评估指南与策略调整介绍
3、确保两侧流量分配的随机性 效果对比时为了确保公平性，要确认流量分配的随机性，避免把具有特定行为的用户群体指定的放入某个对比组当中，应遵循随机分配的原则，即用户在实验开始前是完全随机的分配到实验组中，并在后续不可再更改所属...
LightGBM算法
简介 LightGBM（Light Gradient Boosting Machine）是一个基于决策树算法的分布式梯度提升框架。设计初衷是提供一个快速、高效、低内存、高准确度、支持并行和大规模数据处理的工具。LightGBM可以减少数据对内存的使用、减少通信代价以及...
坑位策略
采用坑位策略后，既能对坑位推荐的物品进行一定干预，又避免像置顶一样每次看到的都是相同物品。常用的场景包括：精品池在靠前的坑位推荐、指定坑位推荐特定类目物品等。操作指导 坑位配置（控制台操作）坑位策略仅支持“猜你喜欢”场景，...
SimRank+相似度计算算法
SimRank算法基于一个简单和直观的图论模型，它把对象和对象之间的关系建模为一个有向图 G=(V,E)，其中 V 是有向图的节点集合，代表应用领域中的所有对象；E 是有向图的边的集合，表示对象间的关系。对于图中的一个节点，与其所有入边关联的...
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》。...
案例推理-预测
计算逻辑原理 案例推理：案例推荐算法(CBR)是基于庞大的历史优质案例，选出和目标案例相似度最高的案例，找到合适的推荐值的过程。故在实际过程中使用案例推荐算法主要可分为两部分：案例库建模-基于历史数据，筛选出优质案例；案例推荐-在...
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...
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...
部署及微调Mixtral-8x7B MoE模型
PAI已对Mixtral-8x7B模型进行全面支持，开发者和企业用户可以基于PAI-快速开始（PAI-QuickStart）轻松完成对Mixtral-8x7B模型的微调和部署。模型介绍 Mixtral-8x7B是基于编码器（Decoder-Only）架构的稀疏专家混合网络（Sparse Mixture-of-...
TairVector性能白皮书
TairVector是基于 Tair 的向量存储引擎，集存储、检索于一体，提供高性能、实时的向量数据库服务。本文介绍了TairVector的性能测试方法和测试结果。TairVector支持高性能的向量近似最近邻（ANN）检索，可用于非结构化数据的语义检索、个性...
支持机制
本文介绍了JCE Provider支持的安全随机算法、密钥类型、消息摘要、MAC/HMAC算法、最大加密和解密长度以及签名。支持的安全随机算法 算法 大小 AES-CTR-DRBG(FIPS compliant)AES-CTR-DRBG安全随机算法可以在HSM内为每个API调用生成多达8000...
行业算法模型介绍
一、基于物品的协同过滤算法 协同过滤算法主要分为基于物品的协同过滤算法、基于用户的协同过滤算法。目前智能推荐在协同过滤链路中主要以基于物品的协同过滤算法为主。基于物品的协同过滤算法实现步骤：计算物品之间的相似度。根据物品的...
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...
配置蓝图交互逻辑
} 上面的算法是简单的伪随机代码，推荐采用 Crypto.getRandomValues()算法。抽奖算法，给定 start、end,给定一个范围内的值*@example start:0 end:10,return 7*@param start {int}*@param end {int}*@return start-end 之间的一个值，包含 ...
配置蓝图交互逻辑
} 上面的算法是简单的伪随机代码，推荐采用 Crypto.getRandomValues()算法。抽奖算法，给定 start、end,给定一个范围内的值*@example start:0 end:10,return 7*@param start {int}*@param end {int}*@return start-end 之间的一个值，包含 ...
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，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾 User 和 Item 项，也称为...
推荐算法定制概述
EasyRec是一款用于推荐场景的深度学习算法框架，其使用方法简单，提供了丰富的模型和功能，可以满足您对于个性化推荐的需求。在推荐场景中，深度学习具有很多优点，包括可以处理大规模的数据和复杂的模型，能够捕捉更高层次的特征信息，...
技术分析函数
技术分析的函数将广泛使用的算法应用在您的数据中。虽然这些函数主要应用在金融和投资领域，但是它们也适用于其它行业和用例。本文档主要介绍了技术分析函数的语法结构、语法说明以及使用示例。通用参数说明 除了 field key 参数，技术分析...
PAI-REC推荐算法定制的最佳实践文档
阅读指引：为方便用户快捷体验PAI-REC产品，本文提供了一份公开数据集，用户可按照文档说明按步体验PAI-REC推荐算法定制的召回、特征工程、精排等关键功能的配置，生成代码并部署到 DataWorks 相应的业务流程中。1.克隆公开数据集 我们在可...
- 产品推荐
- 这些文档可能帮助您