Platform For AI:Solução de recomendação personalizada - configuração de recursos

1. Tipos comuns de comportamento periódico

• Período comum: Configure os períodos estatísticos conforme sua necessidade. Geralmente, defina um período curto, um médio e um longo. Evite configurar períodos em excesso, pois cada período adicional multiplica a quantidade de recursos. Por exemplo, se um período gera 200 recursos, três períodos gerarão 600 e seis períodos resultarão em 1.200 recursos.

• Comportamentos-chave: Refere-se aos valores enumerados de comportamento inseridos na tabela de comportamentos. Mantenha esse número em cinco ou menos. Assim como ocorre com os períodos, comportamentos em excesso geram um volume muito grande de recursos. Caso haja muitos tipos de comportamento, agrupe os menos relevantes ou aqueles com significado equivalente durante a preparação das tabelas de origem. Liste os comportamentos em ordem cronológica de ocorrência, como exposição, clique e, em seguida, elogio. Esses itens correspondem aos valores enumerados expr, click e praise do campo de evento. Uma ordenação incorreta compromete a geração dos recursos de proporção descritos nas seções seguintes e exige retrabalho manual nas etapas posteriores.

  Após configurar os períodos estatísticos e os tipos de comportamento, clique em Generate Feature. O sistema utiliza essas definições juntamente com os recursos básicos (categorias, valores numéricos, tags, entre outras) fornecidos pelas três tabelas de origem (usuário, item e comportamento). Em seguida, deriva automaticamente diversos recursos estatísticos tanto no lado do usuário quanto no lado do item.

2. Recursos derivados básicos

Com base na configuração das três tabelas de origem, os recursos de atributo básicos correspondentes já incluem algumas derivações automáticas. Clique em Add para incluir mais recursos derivados básicos. A derivação de recursos de atributo básico está disponível nos lados do usuário, do item e do comportamento.

• Derivação de IP: Extrai recursos exclusivamente do campo IP configurado na tabela de origem correspondente. Conforme sua configuração, o sistema resolve o endereço IP em recursos de província, cidade e país. O resultado da resolução possui uma margem de erro inerente.

• Cálculo de tempo decorrido: Calcula o número de dias desde a data de registro de um usuário ou de um item.

• Discretização de recursos numéricos: Aplica-se apenas a campos numéricos. Os valores são divididos nos pontos de corte informados, resultando em um recurso categórico.

• Combinação de recursos: Combina múltiplos campos categóricos, como categoria com categoria, categoria com tag ou tag com tag. Os campos combinados devem pertencer à tabela atual e estar todos no lado do usuário ou todos no lado do item.

Clique na tabela de comportamento para visualizar mais duas derivações básicas:

• Processamento de faixa horária diária: Deriva a hora do dia em que o log de comportamento ocorreu.

• Processamento de faixa horária por dia da semana: Deriva o dia da semana em que o log de comportamento ocorreu.

  Se você adicionar recursos derivados básicos manualmente, clique em Save no canto superior direito para aplicá-los.

3. Conversão de embedding de modelo de linguagem grande (LLM)

A conversão de embedding de LLM oferece suporte aos dois tipos a seguir:

• Embedding de texto: Selecione apenas um LLM text input field configurado nas definições da tabela de dados. As informações de invocação do LLM devem utilizar o tipo TEXT_EMBEDDING.

• Embedding multimodal: Diferentemente do embedding de texto, esta modalidade aceita embeddings de vídeo e imagem. A configuração de campos permite seleção múltipla; atribua a cada campo seu tipo de modalidade correspondente. Se o tipo for MULTI_IMAGES, o tipo de campo correspondente deve ser array<string>. Quando um único tipo de embedding multimodal é configurado com vários campos de entrada, essas entradas produzem conjuntamente um único embedding. Para que cada campo gere seu próprio embedding, configure múltiplos grupos. As informações de invocação do LLM devem utilizar o tipo MULTI_MODAL_EMBEDDING.

4. Estatísticas de preferência de comportamento

Diversos recursos estatísticos já são derivados automaticamente. Tanto o lado do usuário quanto o lado do item possuem recursos estatísticos correspondentes, e os IDs de usuário e IDs de item servem como chaves de agregação por padrão. Estão disponíveis os seis tipos de estatísticas a seguir:

• Estatísticas de comportamento

• Cálculo de taxa de conversão

• Contagem de comportamento nos principais recursos de atributo de preferência

• Proporção de comportamento nos principais recursos de atributo de preferência

• Recursos numéricos de preferência

• Cálculo de recurso combinado de categoria principal e valor numérico

  Caso não precise de determinados recursos, clique em Delete à direita para removê-los ou em Edit para excluir um atributo específico. Para adicionar recursos, clique em Add no canto inferior direito e continue incluindo recursos estatísticos de múltiplos tipos. As seções a seguir detalham cada um desses recursos estatísticos.

5. Recursos de sequência

Recursos de sequência podem ser definidos apenas no lado do usuário. Um sistema de recomendação não possui recursos de sequência em seu início; portanto, inicialmente depende-se de dados históricos de comportamento existentes para simular recursos de sequência em tempo real. Essa abordagem economiza o tempo necessário para coletar recursos de sequência online e acelera o lançamento do experimento. Os parâmetros a seguir controlam como a sequência é simulada e construída:

• Evento simulado: Geralmente um evento de exposição.

• Período para prevenir vazamento de recursos: Exclui os comportamentos dos últimos N segundos da sequência de comportamento atual. Logs de comportamento levam tempo para se propagar, então alguns dados sofrem atraso durante a inferência. Além disso, dados simulados muito próximos do tempo real causam vazamento no treinamento.

• Separador de recurso de sequência: O separador entre sequências quando uma sequência é construída.

• Separador de sub-recurso: O separador entre sub-recursos dentro de uma única sequência.

• Período de comportamento: O número de dias recentes sobre os quais os comportamentos são contados. Se múltiplos grupos de sequência forem configurados, o período mais longo prevalece.

• Comportamento estatístico: O tipo de comportamento a ser contado.

• Cenário: Conta apenas os comportamentos neste cenário. Se deixado em branco, os comportamentos de todos os cenários são contabilizados.

• ID de deduplicação: Deduplica a sequência com base neste sub-recurso e retém apenas a última ocorrência do comportamento até o momento atual.

• Sub-recurso: Os sub-recursos do recurso de sequência. Geralmente são recursos não estatísticos no lado do item, incluindo recursos categóricos, categóricos multivalorados e numéricos.

• Número de estágios: O comprimento máximo da sequência a ser retido.

6. Recursos em tempo real

É possível criar recursos estatísticos em tempo real usando IDs de usuário ou IDs de item como chave primária. Para recursos em tempo real, a unidade do período estatístico é segundos.

O Período para prevenir vazamento de recursos funciona da mesma forma que nos recursos de sequência. Comportamentos dentro dos últimos N segundos do comportamento alvo são excluídos da contagem. Logs de comportamento levam tempo para trafegar do cliente até o middleware de mensagens e, em seguida, serem contabilizados e gravados no service de armazenamento online. Se você não definir esse período, as estatísticas online não conseguirão capturar os dados esperados.

Estão disponíveis os quatro tipos de estatísticas a seguir:

• Estatísticas de comportamento

• Cálculo de taxa de conversão

• Contagem de comportamento nos principais recursos de atributo de preferência

• Proporção de comportamento nos principais recursos de atributo de preferência

  Esses quatro tipos têm os mesmos significados de seus equivalentes nas estatísticas de preferência de comportamento. Apenas o período difere.

7. Recursos de agregação

Recursos de agregação podem ser definidos tanto no lado do usuário quanto no lado do item. Selecione as condições de agregação. Apenas recursos categóricos podem servir como condições de agregação, e é possível configurar múltiplos grupos.

Os recursos correspondentes são calculados com base nas condições de agregação atuais. Os tipos estatísticos disponíveis são os mesmos das estatísticas de preferência de comportamento e possuem os mesmos significados. Por exemplo, a tabela a seguir conta o número total de cliques, elogios e exposições para diferentes combinações de gênero e idade. Para um item como batom, usuárias do sexo feminino clicam nele com frequência notavelmente maior; portanto, contar estatísticas de item por gênero é útil.