Cada servicio y experimento en PAI-Rec debe asociarse a un escenario de recomendación. Los escenarios asignan las ubicaciones de su plataforma a un conjunto de laboratorios, capas de experimentos, grupos de experimentos y experimentos.
Escenario de recomendación
Un escenario de recomendación vincula una ubicación específica de su plataforma con un conjunto de servicios y experimentos de recomendación. Por ejemplo, las recomendaciones en cascada de la página principal, las sugerencias de "también le puede gustar" dentro del carrito o los artículos relacionados en la página de detalles de un producto.
Asigne a cada escenario un nombre basado en su ubicación dentro de la página para identificarlo rápidamente. Por ejemplo, el nombre "recomendaciones en cascada en la página principal" indica tanto el patrón de interfaz ("en cascada") como la ubicación ("página principal").
Traffic Code
El campo Traffic Code controla cómo se distribuyen las solicitudes de recomendación entre los distintos sistemas. Úselo cuando ejecute PAI-Rec junto con un sistema de recomendación autogestionado o de terceros.
|
Valor de Traffic Code |
Destino del tráfico |
|
|
Sistema PAI-Rec |
|
|
Su sistema de recomendación autogestionado |
|
|
Un sistema de recomendación de terceros |
Por ejemplo, en el escenario HomePageRec, el tráfico se dirige a PAI-Rec de forma predeterminada. Para migrar el tráfico de manera gradual, comience por dirigir entre el 10 % y el 20 % del tráfico del escenario hacia PAI-Rec. Una vez que PAI-Rec alcance los resultados esperados, aumente la proporción.
Si hay seis usuarios, por ejemplo, el sistema los asigna a distintos canales de tráfico según la lógica de distribución en buckets (que usted implementa). Dos usuarios reciben resultados del sistema autogestionado (selfhold), dos de PAI-Rec (PAI-REC) y dos de un sistema de terceros (thirdparty).
Laboratorio y capa de experimentos
PAI-Rec organiza las pruebas A/B mediante una jerarquía de cuatro niveles:
Lab
└── Experiment layer
└── Experiment group
└── ExperimentLaboratorio
Un laboratorio es una agrupación de tráfico. PAI-Rec dirige las solicitudes de recomendación entrantes a los laboratorios antes de buscar coincidencias con algún experimento.
Todo escenario requiere como mínimo un laboratorio base. El tráfico se compara primero con los laboratorios que no son base; si ninguno coincide, la solicitud recurre al laboratorio base. Si solo crea un laboratorio, úselo como laboratorio base para servir de respaldo. Configure el laboratorio base con una lógica sencilla de recuperación y clasificación para que se mantenga estable durante los picos de tráfico. También puede implementar el laboratorio base mediante una lógica de respaldo basada en elementos populares y aleatorios.
Los laboratorios que no son base contienen su lógica principal de recuperación y clasificación, la cual suele ser más compleja. Cree varios laboratorios que no sean base cuando necesite probar distintas estrategias de algoritmos en paralelo.
A continuación se describen los campos de configuración de un laboratorio base.
|
Campo |
Descripción |
|
Lab Name |
Nombre personalizado del laboratorio. |
|
Description |
Descripción detallada del laboratorio. |
|
Lab Type |
Base Lab (obligatorio) o Non-base Lab (opcional). |
|
Runtime Environment |
Entorno de ejecución del motor de recomendación. Valores válidos: |
|
Bucketing Method |
Forma en que PAI-Rec asigna los usuarios a los buckets. Consulte Método de distribución en buckets más adelante. |
|
Buckets |
Número total de buckets en este laboratorio (por ejemplo, 100). |
|
Traffic Allocation |
Números de bucket asignados a este laboratorio. Rango válido: 0–99. |
|
Layering |
Capa de experimentos dentro de este laboratorio. Valores comunes: |
|
Test Users |
Usuarios cuyo tráfico se dirige directamente a este laboratorio, sin pasar por la coincidencia de buckets. |
Test Users admite dos métodos de entrada:
Manually Enter: introduzca uno o más ID de usuario separados por comas.
User Group ID: seleccione un grupo de usuarios creado en la página User Group Management.
Método de distribución en buckets
PAI-Rec admite tres formas de asignar usuarios a los buckets:
|
Método |
Funcionamiento |
|
UID-based Bucketing |
Asigna los usuarios según los últimos dígitos de sus UID. |
|
Hashed UID-based Bucketing |
Asigna los usuarios según los valores hash de sus UID. |
|
Condition-based Bucketing |
Asigna los usuarios según una expresión de clave-valor, como |
Capa de experimentos
Una capa de experimentos es una agrupación lógica dentro de un laboratorio. Cada laboratorio puede tener varias capas de experimentos. Algunos nombres comunes de capa son recall, filter, coarse_rank y rank.
Grupo de experimentos y experimento
Grupo de experimentos
Un grupo de experimentos es una subdivisión de una capa de experimentos. Cree varios grupos de experimentos dentro de una capa cuando varios ingenieros de algoritmos necesiten ejecutar experimentos de recuperación o clasificación de forma independiente.
Experimento
Un experimento es una variación individual de algoritmo o de configuración dentro de un grupo de experimentos.
Un grupo de experimentos suele contener varios experimentos que se ejecutan de forma simultánea. Por ejemplo, configure dos experimentos activos (swing y etrec) junto con dssm, el cual está en fase de prueba con su proporción de tráfico establecida en 0 % y su estado configurado como online. Esta configuración permite obtener los efectos de recomendación mediante la lista blanca configurada.