Guia do usuário do algoritmo Swing - : Central de Documentação do Alibaba Cloud

Como funciona

Algoritmos tradicionais de similaridade — como vizinhos comuns, Adamic/Adar, similaridade de cosseno, similaridade de Jaccard, cosseno e Rooted PageRank — medem diretamente a proximidade entre nós. O Swing adota uma abordagem diferente: considera a estrutura completa do grafo e estende o cálculo de similaridade para nós a dois saltos em um grafo de alta dimensão. Essa característica torna o algoritmo resistente a ruídos e significativamente mais preciso que os métodos tradicionais de filtragem colaborativa.

Por exemplo, o Swing identifica itens que os usuários costumam visualizar juntos durante uma sessão de compra — mesmo quando o sinal de coocorrência é esparso — e os exibe como recomendações nas páginas de detalhes do produto.

Os índices I2I do Swing são usados em cenários de recomendação no Taobao (mobile e PC) e em serviços de publicidade no TTPOD e Alimama.

Pré-requisitos

Antes de começar, verifique se você tem:

Um projeto PAI ativo com acesso a algo_public
Uma tabela MaxCompute contendo sequências de cliques dos usuários
Permissões para criar e gravar em tabelas MaxCompute

Configure as tabelas de entrada e saída

Tabela de entrada

A tabela de entrada armazena as sequências de cliques dos usuários. Crie-a com o seguinte esquema:

CREATE TABLE IF NOT EXISTS swing_test_input
(
  user_id   BIGINT,
  item_list STRING -- Mandatory. Contains the items clicked by a user, ordered from earliest to most recent.
)
LIFECYCLE 7;

O campo item_list é uma string delimitada por ponto e vírgula. Cada entrada de item contém pelo menos três subcampos:

Subcampo	Posição padrão	Tipo	Descrição
`item_id`	0 (fixo, deve ser o primeiro)	Numérico	Identificador do item. Deve ser do tipo numérico.
`norm`	1 (configurável via `pos_norm`)	Inteiro	Popularidade recente (número de cliques). Defina como `1` para todos os itens caso não seja utilizado.
`timestamp`	2 (configurável via `pos_time`)	String	Hora do clique no formato `%Y%m%d%H%M%S`. Defina o mesmo valor para todos os itens caso não seja utilizado.

Exemplo de valor para item_list:

1001,5,20250809120000;1002,3,20250809130000;1003,10,20250809140000

Liste os itens em ordem cronológica, do clique mais antigo ao mais recente.

O item_id deve ser do tipo numérico.

Tabela de saída

A tabela de saída armazena o índice I2I. Crie-a com o seguinte esquema:

CREATE TABLE IF NOT EXISTS swing_test_result
(
    item_id   BIGINT COMMENT 'Anchor item ID',
    item_list STRING COMMENT 'List of similar items'
)
LIFECYCLE 7;

A coluna item_list usa o seguinte formato:

item_id1,score1,coccur1,ori_score1;item_id2,score2,coccur2,ori_score2

Subcampo	Descrição
`item_id`	ID de um item similar
`score`	Pontuação de similaridade normalizada (normalização por valor máximo aplicada)
`coccur`	Número de coocorrências entre o item âncora e este item
`ori_score`	Pontuação de similaridade original (não normalizada)

Execute o comando PAI

Envie o job do Swing usando o comando PAI:

pai -name swing_rec_ext
    -project algo_public
    -DinputTable='swing_test_input/ds=20250809'
    -DoutputTable='swing_test_result/ds=20250809'
    -DmaxClickPerUser='500'
    -DmaxUserPerItem='600'
    -Dtopk='100'
    -Dalpha1='5'
    -Dalpha2='1'
    -Dbeta='0.3'

Use / para concatenar o nome da tabela e o valor da partição nos parâmetros inputTable e outputTable.

Parâmetros do algoritmo

Parâmetro	Descrição	Tipo	Padrão
`inputTable`	Tabela de entrada contendo as sequências de cliques dos usuários. Suporta tabelas particionadas e não particionadas.	String	—
`outputTable`	Tabela de saída para o índice I2I. Suporta tabelas particionadas e não particionadas.	String	—
`maxClickPerUser`	Número máximo de itens retidos na sequência de cliques de cada usuário. Se a sequência for maior, apenas os itens mais recentes são mantidos. Valores menores reduzem o ruído de comportamentos de cauda longa; valores maiores capturam interesses mais amplos do usuário.	Inteiro	600
`maxTimeSpan`	Número máximo de dias entre dois cliques para que os itens sejam considerados vizinhos. Defina como `1` para focar em coocorrências de curto prazo; aumente para sessões de navegação mais longas.	Inteiro	1
`maxUserPerItem`	Quantidade de usuários amostrados por item para o cálculo dos k-vizinhos mais próximos. Valores maiores melhoram a precisão, mas aumentam o tempo de computação.	Inteiro	700
`topk`	Número de vizinhos mais próximos a serem retidos para cada item gatilho na saída.	Inteiro	200
`alpha1`	Controla o peso atribuído a usuários com históricos longos de cliques. Aumentar `alpha1` reduz a influência de usuários muito ativos. Consulte Fórmula.	Inteiro	5
`alpha2`	Controla a penalidade para pares de usuários com muitos itens em comum. Aumentar `alpha2` reduz a pontuação de similaridade quando dois usuários compartilham muitos itens. Consulte Fórmula.	Inteiro	1
`beta`	Expoente que ajusta o efeito de suavização de `alpha1`. Valores mais próximos de `0` reduzem o efeito de amortecimento sobre usuários ativos; valores mais próximos de `1` o aumentam. Consulte Fórmula.	Número real	0.3
`pos_time`	Índice base zero do subcampo `timestamp` dentro de cada entrada de item em `item_list`.	Inteiro	2
`pos_norm`	Índice base zero do subcampo `norm` (popularidade do item) dentro de cada entrada de item em `item_list`.	Inteiro	1

Fórmula

O Swing calcula a similaridade entre itens usando a seguinte fórmula:

$$sim(i,j) = \sum_{u \in U(i) \cap U(j)} \sum_{\substack{v \in U(i) \cap U(j) \\ v \neq u}} \frac{1}{(|I(u)|+\alpha_1)^\beta \cdot (|I(v)|+\alpha_1)^\beta} \cdot \frac{1}{|I(u) \cap I(v)| + \alpha_2} \cdot \frac{1}{N_j}$$

Onde:

Símbolo	Descrição
$U(i)$	Conjunto de usuários que clicaram no item $i$
$I(u)$	Conjunto de itens clicados pelo usuário $u$
$N_j$	Fator de normalização para o item $j$
$\alpha_1$	Amortece a contribuição de usuários com históricos longos de cliques
$\alpha_2$	Penaliza pares de usuários que compartilham muitos itens em comum
$\beta$	Expoente que controla o efeito de suavização de $\alpha_1$