Platform For AI:Recommandation personnalisée (PAI-Rec)

Présentation

PAI-Rec est une plateforme Alibaba Cloud destinée au développement de systèmes de recommandation entièrement personnalisables et de bout en bout. La plateforme couvre plusieurs dimensions, notamment le traitement hors ligne, les services en ligne, les flux de données en temps réel et l'architecture technique. Elle intègre des modules fonctionnels tels que la récupération, le classement, le filtrage et le reclassement. S'appuyant sur l'architecture big data Apsara d'Alibaba Cloud, PAI-Rec permet aux développeurs de choisir des composants et de personnaliser le code du pipeline de recommandation afin de l'adapter à leur pile technologique et à leurs pratiques de développement. La plateforme fournit également des outils pour le diagnostic des données, le débogage des résultats de recommandation et la gestion des versions du moteur. Elle accélère l'itération grâce aux tests A/B et à une plateforme de rapports d'expérimentation.

En analysant les journaux d'impressions, les développeurs peuvent personnaliser les algorithmes d'ingénierie des fonctionnalités, les configurations du moteur et les métriques des rapports d'expérimentation pour créer et optimiser rapidement des systèmes de recommandation. Le modèle de développement en boîte blanche améliore la transparence et la flexibilité. Pour les équipes qui débutent avec les algorithmes de recommandation, nous vous recommandons de commencer par les modèles d'algorithme personnalisés fournis par l'équipe d'algorithmes d'Alibaba. Cela permet de déployer le système rapidement et aide les développeurs à maîtriser l'entraînement des modèles et l'évaluation des performances. Pour une optimisation supplémentaire, demandez une consultation commerciale afin de collaborer avec les ingénieurs d'Alibaba Cloud.

PAI-Rec prend également en charge le démarrage à froid, la limitation du trafic et l'apprentissage en ligne afin de répondre à diverses exigences métier.

Avantages du produit

PAI-Rec présente les avantages suivants pour la construction d'un système de recommandation :

• Conception transparente en boîte blanche

  Un code source étendu vous aide à comprendre les détails des algorithmes de recommandation et vous permet de personnaliser le code selon vos besoins métier spécifiques.

  Le code source est fourni pour l'ingénierie des fonctionnalités de données et le traitement des échantillons, les scripts d'appel des modèles de récupération et de classement, les modèles EasyRec de récupération et de classement, ainsi que la logique métier du moteur PAI-Rec.

• Processus de personnalisation pratique des algorithmes de recommandation

  Générez des scripts et des fichiers de configuration pour la récupération et le classement en configurant une table utilisateur, une table d'éléments et une table de comportement, ce qui simplifie le déploiement de recommandations personnalisées.

• Système complet de gestion des moteurs et des expérimentations

  Une interface de gestion complète pour les moteurs et les expérimentations vous permet de gérer les composants de récupération et de classement et de mettre à jour les paramètres du moteur.

• Surveillance et rapports détaillés des métriques

  Une interface de métriques et de rapports vous permet de définir des métriques personnalisées et de suivre les performances des expérimentations quotidiennement ou heure par heure pour un contrôle précis et un retour rapide sur l'efficacité des recommandations.

• Garantie de cohérence des fonctionnalités hors ligne et en ligne

  Des outils spécialisés comparent la cohérence des fonctionnalités hors ligne et en ligne, empêchant les écarts expérimentaux causés par des divergences de données.

• Diagnostic et analyse intelligents des données

  Des outils de diagnostic intelligents aident les développeurs à comprendre rapidement leurs données et à sélectionner les fonctionnalités et les fenêtres temporelles appropriées pour l'ingénierie des fonctionnalités.

• Ensemble d'outils intuitif pour observer les résultats de recommandation

  Les outils de diagnostic vous aident à visualiser les résultats de recommandation et les données de récupération.

• Puissantes capacités de gestion des fonctionnalités

  Intégration avec les outils de gestion de plateforme de fonctionnalités pour une meilleure gestion des fonctionnalités et une efficacité expérimentale améliorée.

• Service et support techniques complets

  Des services techniques pour vous aider à prendre rapidement en main la solution.

Produits cloud dépendants

PAI-Rec utilise PAI-EasyRec pour entraîner les modèles de récupération et de classement, ainsi que le moteur PAI-Rec basé sur Go pour construire le système de recommandation. Vous pouvez utiliser DataWorks ou PAI-Designer pour modifier et planifier le code destiné à l'ingénierie des fonctionnalités, à la génération d'échantillons et à l'entraînement des modèles. Le système utilise BE, GraphCompute ou Hologres pour stocker les fonctionnalités utilisateur et activer la récupération élément par élément (i2i) et vectorielle, ainsi que PAI-EAS pour le scoring élastique et évolutif. Les dépendances sont les suivantes :

• Platform for AI (PAI) est une plateforme d'ingénierie d'apprentissage automatique et d'apprentissage profond destinée aux développeurs et aux entreprises. Elle fournit des services de développement IA de bout en bout, notamment l'annotation des données, la création de modèles, l'entraînement, le déploiement et l'optimisation de l'inférence.

• Le framework EasyRec inclut des modèles d'apprentissage profond de pointe et prend en charge plusieurs versions de TensorFlow (1.12 ≤ version ≤ 2.4, PAI-TF). Il couvre les besoins de bout en bout d'un pipeline de recommandation, y compris la récupération, le pré-classement, le classement, le reclassement, l'optimisation multi-objectifs et le démarrage à froid. Les développeurs peuvent utiliser le framework EasyRec pour accélérer l'itération sur l'ensemble du pipeline de recommandation.

• DataWorks et MaxCompute sont deux services big data cloud-native intégrés. Pour les tâches d'un système de recommandation telles que le traitement des fonctionnalités, la génération d'échantillons, la gestion des profils, la planification des modèles et les mises à jour des données, ils fournissent des outils de développement faciles à utiliser et un environnement de données stable.

  Remarque

  PAI-Rec ne prend actuellement en charge que DataWorks et MaxCompute. Si votre activité nécessite d'autres services big data, vous devrez peut-être modifier le code correspondant du moteur. Veuillez discuter de votre plan avec un architecte à l'avance.

• Hologres est un moteur d'entrepôt de données en temps réel tout-en-un développé par Alibaba Cloud, qui prend en charge l'écriture, la mise à jour, le traitement et l'analyse en temps réel de volumes massifs de données. Il prend en charge le langage SQL standard (compatible avec le protocole PostgreSQL, sa syntaxe et la plupart de ses fonctions) ainsi que l'analyse multidimensionnelle à l'échelle du pétaoctet (OLAP) et l'analyse ad hoc. Hologres offre une diffusion de données en ligne à faible latence et haute concurrence, une isolation fine des charges de travail et une sécurité de niveau entreprise. Il s'intègre à MaxCompute, Flink et DataWorks pour proposer une solution intégrée pour l'entreposage de données hors ligne et en ligne.

  Vous pouvez utiliser Hologres pour stocker les séquences de comportement utilisateur en temps réel, les fonctionnalités utilisateur et les données de récupération de recommandation, et pour exploiter ses capacités de récupération vectorielle.

• Graph Compute est un produit de calcul de graphes distribué haute performance développé par Alibaba Cloud, qui fournit un service technologique de graphe tout-en-un pour les développeurs à l'échelle du billion. Il prend en charge le stockage, l'interrogation et le calcul de données de relations de graphes complexes et s'intègre aux algorithmes et modèles de graphes. Il est largement utilisé dans la recherche, la recommandation, la publicité, le contrôle des risques en temps réel, les graphes de connaissances et les réseaux sociaux.

Facturation

Pour plus d'informations, consultez la rubrique Facturation de PAI-Rec pour la recommandation personnalisée.