Platform For AI:Recall Etrec U2I2I

Este tópico descreve como implementar o recall etrec.

Conjunto de dados

Esta solução utiliza a tabela de demonstração pai_online_project.rec_sln_demo_behavior_table.

Recall Etrec

1. Acesse a página do Designer.

   1. Faça login no console do Machine Learning Platform for AI (PAI).

   2. No painel de navegação à esquerda, clique em Workspaces. Na página Workspaces, clique no nome do seu workspace.

   3. No painel de navegação à esquerda do workspace, escolha Model Development and Training > Visualized Modeling (Designer).

2. Crie um pipeline.

   1. Na página do Designer, clique na aba Preset Templates.

   2. Na seção Recommendation Solution - etrec Recall da lista de modelos, clique em Create.

   3. Na caixa de diálogo Create Pipeline, configure os parâmetros. Use os valores padrão.

      O parâmetro Pipeline Data Path especifica o caminho de um bucket do Object Storage Service (OSS). Esse local armazena dados temporários e modelos gerados durante a execução do pipeline.

   4. Clique em OK. A criação do pipeline leva cerca de 10 segundos.

   5. Na lista de pipelines, clique duas vezes em Recommendation Solution - etrec Recall para abrir o canvas.

   6. O sistema constrói automaticamente o pipeline no canvas com base no modelo predefinido, conforme mostra a figura a seguir.

      Número do componente	Descrição
      1	Pesos de comportamento.
      2	Prepara 30 dias de amostras de treinamento para o modelo Item-to-Item (I2I).
      3	Aumenta a precisão do recall de gatilho User-to-Item (U2I) ao ponderar as interações históricas de itens do usuário.
      4	Treina o modelo de filtragem colaborativa I2I do etrec.
      5	Divide as pontuações I2I do etrec em tabelas particionadas no formato KKV.
      6	Calcula os 500 principais resultados de Recall U2I2I unindo a tabela de gatilho U2I à tabela I2I.

3. Execute o pipeline e visualize os resultados.

   1. Na aba Global Variables, defina bizdate como 20230216 e ymd como 20230215.

   2. Na parte superior do canvas, clique em Run.

   3. Após a conclusão da execução do pipeline, visualize a tabela rec_sln_demo_etrec_u2i2i_score_v1 do MaxCompute no DataWorks. Para mais informações, consulte View table details. A tabela de resultados contém três colunas: user_id (ID do usuário), item_ids (IDs dos itens recomendados e respectivas pontuações, no formato ItemID::Score,ItemID::Score) e ds (partição de data).