PAI-Rec adalah platform pengembangan sistem rekomendasi end-to-end yang dibangun oleh Alibaba Cloud, memberikan developer perusahaan kontrol penuh untuk membangun, melakukan iterasi, dan memelihara sistem rekomendasi—mulai dari pemrosesan data offline dan pelatihan model hingga penyajian online serta eksperimen real-time.
Kasus penggunaan
PAI-Rec cocok digunakan jika Anda perlu:
Membangun mesin rekomendasi personalisasi dari awal — PAI-Rec menyediakan pipeline lengkap: recall, coarse ranking, fine ranking, filtering, dan re-ranking.
Mempercepat iterasi kualitas rekomendasi — Pengujian A/B, pelaporan eksperimen, dan online learning telah terintegrasi, sehingga Anda dapat mengukur dampak perubahan algoritma per jam atau per hari serta menerapkannya secara bertahap.
Memastikan transparansi atas algoritma Anda — PAI-Rec adalah platform white-box. Kode sumber untuk rekayasa fitur, model recall dan ranking (melalui EasyRec), serta mesin rekomendasi tersedia untuk Anda periksa dan sesuaikan.
Mempercepat waktu hingga rekomendasi pertama — Jika tim algoritma atau engineering Anda masih dalam tahap pengembangan, mulailah dengan model algoritma spesifik industri yang disediakan oleh tim algoritma Alibaba Cloud. Beralihlah ke model sepenuhnya kustom seiring kematangan tim Anda.
Cara kerja
PAI-Rec mencakup empat dimensi sistem rekomendasi:
| Dimensi | Cakupannya |
|---|---|
| Pemrosesan offline | Rekayasa fitur, pembuatan sampel, pelatihan model, dan penjadwalan melalui DataWorks, MaxCompute, atau Machine Learning Designer dari PAI |
| Layanan online | Mesin PAI-Rec (Go) menangani penyajian permintaan real-time, recall, ranking, filtering, dan re-ranking |
| Streaming data real-time | Pelacakan event frontend mengirimkan sinyal perilaku kembali ke pipeline untuk online learning |
| Arsitektur engineering | Dibangun di atas infrastruktur big data Apsara Alibaba Cloud; pilih jenis layanan berdasarkan tumpukan teknologi Anda |
Platform ini juga mendukung cold start, kontrol rekomendasi, dan online learning untuk skenario produksi.
Fitur utama
| Fitur | Deskripsi |
|---|---|
| Pengembangan white-box | Akses dan sesuaikan kode sumber untuk rekayasa fitur dan pemrosesan sampel, skrip model recall dan ranking, kode sumber model EasyRec, serta mesin PAI-Rec |
| Pengaturan solusi yang disederhanakan | Konfigurasikan tabel user, item, dan behavior untuk secara otomatis menghasilkan skrip recall dan ranking beserta file konfigurasinya |
| Manajemen mesin dan eksperimen | Kelola komponen recall dan ranking, perbarui parameter mesin, dan lacak eksperimen dari satu platform |
| Metrik terperinci | Sesuaikan metrik eksperimen dan tarik hasilnya per hari atau per jam |
| Konsistensi fitur offline/online | Tool bawaan membandingkan fitur online dan offline untuk mendeteksi ketidaksesuaian sebelum memengaruhi hasil eksperimen |
| Diagnostik data cerdas | Secara otomatis analisis data Anda untuk membantu memilih fitur dan jendela waktu dalam rekayasa fitur |
| Debugging hasil rekomendasi | Visualisasikan hasil rekomendasi dan data recall langsung di platform |
| Integrasi FeatureStore | Kelola fitur secara terpusat dengan FeatureStore untuk mempercepat iterasi eksperimen |
| Dukungan teknis | Alibaba Cloud menyediakan dukungan selama implementasi Anda. Untuk penyetelan dan kustomisasi mendalam, hubungi layanan pelanggan Alibaba Cloud |
Layanan cloud yang menjadi dependensi
PAI-Rec terintegrasi dengan layanan Alibaba Cloud berikut:
| Layanan | Peran dalam PAI-Rec |
|---|---|
| PAI (Platform for AI) | Pengembangan AI end-to-end: pelabelan data, pembuatan model, pelatihan model, penerapan model, dan optimasi inferensi. EasyRec (pelatihan model recall dan ranking) dan Elastic Algorithm Service (EAS) (scoring yang dapat diskalakan) berjalan di atas PAI. |
| Framework algoritma EasyRec | Framework algoritma yang mengintegrasikan model pembelajaran mendalam terkemuka di industri. Mendukung TensorFlow 1.12 ke atas, TensorFlow 2.4 ke bawah, dan PAI-TensorFlow. Mencakup recall, coarse ranking, fine ranking, re-ranking, multi-objective ranking, dan cold start. |
| DataWorks dan MaxCompute | Layanan big data cloud-native untuk pemrosesan fitur, pembuatan sampel, manajemen profil, penjadwalan model, dan pembaruan data. PAI-Rec hanya mendukung DataWorks dan MaxCompute untuk pemrosesan big data. Untuk mengintegrasikan layanan big data lainnya, Anda perlu memodifikasi kode mesin — koordinasikan dengan arsitek Anda sebelum melakukannya. |
| Hologres | Layanan gudang data real-time terpadu. Menyimpan fitur user dan mendukung kueri item-to-item (I2I) serta kueri vektor. Kompatibel dengan SQL standar (sintaks PostgreSQL), dengan dukungan OLAP dan analisis ad hoc hingga skala petabyte. Menyediakan layanan data online berkonkurensi tinggi dan latensi rendah, serta mendukung isolasi terperinci untuk multiple beban kerja dan kemampuan keamanan tingkat enterprise. Terintegrasi secara mendalam dengan MaxCompute, Realtime Compute for Apache Flink, dan DataWorks. |
| Graph Compute | Layanan komputasi graf terdistribusi berkinerja tinggi yang mendukung triliunan catatan data. Digunakan untuk iklan rekomendasi pada pencarian, kontrol risiko real-time, graf pengetahuan, dan skenario jaringan sosial. |