U2I2I（User-to-Item-to-Item）再現率は、ユーザーのインタラクション履歴とアイテム間類似度（I2I）スコアを組み合わせることで候補アイテム集合を構築します。本トピックでは、PAI Designer で Etrec 再現率パイプラインを実行し、U2I2I 再現率結果を生成する方法について説明します。
仕組み
パイプラインは、以下の 6 つのコンポーネントを順次実行します。
動作の重みを割り当てる — 各インタラクションタイプに数値の重みを割り当て、トレーニング信号としての強さを反映させます。
I2I トレーニングサンプルを準備する — 過去 30 日間のインタラクションデータを収集し、アイテム間（Item-to-Item）のトレーニングサンプル形式にフォーマットします。
U2I トリガーの重みを計算する — 各ユーザーがインタラクションしたアイテムに対して重み付き集約を適用し、U2I トリガーテーブルを生成します。
ErecI2I モデルをトレーニングする — 重み付きサンプルを用いて協調フィルタリングモデルをトレーニングします。
EtrecI2I スコアを KKV パーティションに分割する — アイテム類似度スコアを KKV 形式のパーティショントテーブルに書き込みます。
U2I トリガーと I2I を結合して順位付けする — U2I トリガーテーブルと I2I 類似度テーブルを結合し、各ユーザーごとに上位 500 件の結果を最終的な再現率出力として保持します。
データセット
パイプラインは、動作テーブル pai_online_project.rec_sln_demo_behavior_table から読み取ります。
| フィールド | 型 | 説明 |
|---|---|---|
request_id | BIGINT | 追跡ポイントまたはリクエスト ID |
user_id | BIGINT | 一意のユーザー ID |
exp_id | STRING | 実験 ID |
page | STRING | 動作が発生したページ |
net_type | STRING | ネットワークタイプ |
event_time | BIGINT | 動作のタイムスタンプ |
item_id | BIGINT | アイテム ID |
event | STRING | 動作の種類 |
playtime | DOUBLE | 再生または閲覧の持続時間 |
ds | STRING | パーティション列名 |
前提条件
開始する前に、以下の条件を満たしていることを確認してください。
Machine Learning Platform for AI (PAI) コンソール内のワークスペース
パイプラインの一時データおよびモデルを格納するための Object Storage Service (OSS) バケット
Etrec 再現率パイプラインの実行
ステップ 1：Machine Learning Designer を開く
Machine Learning Platform for AI (PAI) コンソールにログインします。
左側ナビゲーションウィンドウで、ワークスペース をクリックします。ワークスペースページで、管理対象のワークスペース名をクリックします。
左側ナビゲーションウィンドウで、モデルトレーニング > ビジュアルモデリング (Designer) を選択します。
ステップ 2：プリセットテンプレートからパイプラインを作成する
ビジュアルモデリング (Designer) ページで、プリセットテンプレート タブをクリックします。
[推奨ソリューション - Etrec Recall] セクションで、[作成] をクリックします。
パイプラインの作成 ダイアログボックスで、パイプラインデータパス を、パイプラインが一時データおよびモデルを格納する OSS バケットのパスに設定します。デモデータセットでは、デフォルト値のまま使用できます。
OK をクリックします。パイプラインは約 10 秒で準備完了します。
パイプラインリストで、[推奨ソリューション - Etrec Recall] をダブルクリックして開きます。
キャンバスには、以下の図に示すように、6 つのコンポーネントが順次接続されています。
ステップ 3：パイプラインを実行して結果を確認する
パイプライン実行時のグローバル変数を指定します。
上部ツールバーで、
をクリックして実行を開始します。実行が完了したら、DataWorks コンソールを開き、MaxCompute テーブル
rec_sln_demo_etrec_u2i2i_score_v1を検索して結果を確認します。手順については、「テーブルの詳細を表示する」をご参照ください。