通過引擎配置搭建猜你喜歡推薦情境-智能推薦 AIRec-阿里雲

為了協助使用者全面瞭解一個推薦情境如何配置引擎配置單，本文以猜你喜歡情境為例介紹召回、過濾、特徵載入、精排和重排的基礎配置，以及如何配置線上資料來源Hologres和FeatureStore。

程式碼範例（單擊展開查看詳情）

{
    "HologresConfs": {
        "holo_info": {
            "DSN": "postgres://${AccessKey}:${AccessSecret}@hgpostcn-cn-xxxx-cn-shanghai-vpc-st.hologres.aliyuncs.com:80/test_db?sslmode=disable&connect_timeout=1"
        }
    },
    "FeatureStoreConfs": {
        "fs_info": {
            "RegionId": "cn-shanghai",
            "AccessId": "${AccessKey}",
            "AccessKey": "${AccessSecret}",
            "ProjectName": "projectName"
        }
    },
    "RecallConfs": [
        {
            "Name": "etrec_u2i2i_recall_v1",
            "RecallType": "UserCustomRecall",
            "RecallCount": 300,
            "DaoConf": {
                "AdapterType": "hologres",
                "HologresName": "holo_info",
                "HologresTableName": "home_feed_etrec_u2i2i_score_holo_v1"
            }
        },
        {
            "Name": "user_global_hot_recall_v1",
            "RecallType": "UserGlobalHotRecall",
            "RecallCount": 200,
            "DaoConf": {
                "AdapterType": "hologres",
                "HologresName": "holo_info",
                "HologresTableName": "home_feed_global_hot_holo_v1"
            }
        }
    ],
    "FilterConfs": [
        {
            "Name": "UserExposureFilter",
            "FilterType": "User2ItemExposureFilter",
            "MaxItems": 50,
            "TimeInterval": 604800,
            "WriteLog": true,
            "DaoConf": {
                "AdapterType": "hologres",
                "HologresName": "holo_info",
                "HologresTableName": "exposure_history"
            }
        },
        {
            "Name": "ItemStateFilter",
            "FilterType": "ItemStateFilter",
            "ItemStateDaoConf": {
                "AdapterType": "hologres",
                "HologresName": "holo_info",
                "HologresTableName": "item_status_table_v1",
                "ItemFieldName": "item_id",
                "SelectFields": "is_online"
            },
            "FilterParams": [
                {
                    "Name": "is_online",
                    "Type": "int",
                    "Operator": "equal",
                    "Value": 1
                }
            ]
        }
    ],
    "AlgoConfs": [
        {
            "Name": "home_feed_dbmtl_v1",
            "Type": "EAS",
            "EasConf": {
                "Processor": "EasyRec",
                "ResponseFuncName": "easyrecMutValResponseFunc",
                "Url": "http://xxx.vpc.cn-shanghai.pai-eas.aliyuncs.com/api/predict/home_feed_dbmtl_v1",
                "EndpointType": "DIRECT",
                "Auth": "xxxxx"
            }
        }
    ],
    "SortConfs": [
        {
            "Name": "BoostScoreSortByAuthor",
            "SortType": "BoostScoreSort",
            "Debug": false,
            "BoostScoreConditions": [
                {
                    "Conditions": [
                        {
                            "Name": "author_status",
                            "Domain": "item",
                            "Type": "string",
                            "Value": "teacher",
                            "Operator": "equal"
                        }
                    ],
                    "Expression": "score * 10"
                }
            ]
        }
    ],
    "SortNames": {
        "home_feed": [
            "BoostScoreSortByAuthor"
        ]
    },
    "FilterNames": {
        "default": [
            "UniqueFilter",
            "UserExposureFilter"
        ]
    },

    "RankConf": {
        "home_feed": {
            "RankAlgoList": [
                "home_feed_dbmtl_v1"
            ],
            "RankScore": "${home_feed_dbmtl_v1_probs_is_click}+${home_feed_dbmtl_v1_probs_is_collect_like_comment}",
            "BatchCount": 100,
            "Processor": "EasyRec"
        }
    },
    "FeatureConfs": {
        "home_feed": {
            "AsynLoadFeature": true,
            "FeatureLoadConfs": [
                {
                    "FeatureDaoConf": {
                        "AdapterType": "hologres",
                        "HologresName": "holo_info",
                        "FeatureKey": "user:uid",
                        "UserFeatureKeyName": "user_id",
                        "HologresTableName": "user_table_v1_all_feature_v1_online",
                        "UserSelectFields": "*",
                        "FeatureStore": "user"
                    },
                    "Features": []
                },
                {
                    "FeatureDaoConf": {
                        "AdapterType": "hologres",
                        "HologresName": "holo_info",
                        "ItemFeatureKeyName": "item_id",
                        "FeatureKey": "item:id",
                        "HologresTableName": "item_table_v1_all_feature_v1_online",
                        "ItemSelectFields": "item_id,author",
                        "FeatureStore": "item"
                    },
                    "Features": []
                }
            ]
        }
    },
    "SceneConfs": {
        "home_feed": {
            "default": {
                "RecallNames": [
                    "etrec_u2i2i_recall_v1",
                    "user_global_hot_recall_v1"
                ]
            }
        }
    }
}

引擎配置的定義邏輯：先定義召回（RecallConfs）、過濾（FilterConfs）、排序（AlgoConfs）、重排（SortConfs）的配置，然後再在情境中進行引用。如先在FilterConfs中定義過濾配置，配置的名稱為唯一識別碼，配置好之後可以在FilterNames中進行引用。召回配置在SceneConfs中引用，排序配置在RankConfs中引用，重排配置在SortNames中引用。home_feed為情境名稱。但是FilterNames中的情境名稱為default，代表如果找不到要走的情境配置，則會走default（預設）。

樣本詳細說明如下：

專案	說明
資料來源	本案例配置了Hologres和FeatureStore兩種資料來源，主要儲存供線上服務使用的資料，如使用者特徵和物品特徵、熱門召回和i2i召回資料、某個使用者已經看過的物品ID作為曝光過濾的依據等。如果FeatureStore使用FeatureDB作為線上資料來源，需要配置FeatureDB的使用者名稱（FeatureDBUsername）和密碼（FeatureDBPassword）；如果FeatureStore使用其他資料來源，則不需配置這兩個參數。兩個資料來源中的`${AccessKey}`和`${AccessSecret}`不需要替換，引擎中會自動完成替換。
召回	本案例在RecallConfs中配置了兩路召回，分別是U2I召回和全域熱門召回，兩種召回的資料來源於Hologres。不同召回參數說明如下： Name：召回的自訂名稱，是當前召回配置的唯一識別碼。 RecallType：召回的類型，枚舉值，目前以及內建的召回類型可參考召回配置。 RecallCount：召回數量。 AdapterType：召回資料的資料來源類型，我們這裡使用Hologres舉例。 HologresName：已配置的資料來源的名稱。 HologresTableName：召回資料來自於哪個表。
過濾	本案例在FilterConfs中配置了以下兩種過濾方式：曝光過濾：需要提前在Hologres中建立曝光表，詳情請參見曝光過濾（User2ItemExposureFilter）。狀態過濾：可以根據item的狀態進行過濾。如配置中的FilterParams部分，表示只有`is_online=1`的item才會保留，其他的則會丟棄。一些參數的解釋： Name：自訂的過濾名稱。 FilterType：內建的過濾類型，所支援類型可參考過濾配置。 MaxItems：曝光過濾時資料條目的限制，對應SQL中的limit。 TimeInterval：曝光過濾的時間範圍，比如要過濾一小時以內的曝光，則為3600。單位秒。 WriteLog：曝光過濾時是否把本次推薦的item列表寫入到曝光表中。 AdapterType：資料來源類型，此處以Hologres舉例。 HologresName：Hologres的配置名稱，對應配置中的第三行。 HologresTableName：曝光表的表名稱。 ItemStateDaoConf：是狀態過濾時的一些參數。HologresTableName 此處則要填寫狀態表的表名稱，ItemFieldName 為表的主鍵，SelectFields 為要查詢的欄位。
特徵載入	將user特徵和item特徵載入到引擎中。其中，user特徵參與模型的打分，item特徵則多用來進行重排。 AsynLoadFeature: 是否非同步載入特徵。 AdapterType：資料來源類型，此處以Hologres舉例。 HologresName：Hologres配置的名稱，對應代碼中第三行。 FeatureKey：如user:uid，是一種固定寫法，代表使用user的uid屬性值在資料庫中查詢。 UserFeatureKeyName：使用者資料表中的主鍵欄位。 HologresTableName：使用者資料表的表名。 UserSelectFields：查詢時需要尋找的欄位，多個欄位使用逗號分隔，可以使用`*`代替全部欄位。 FeatureStore：枚舉值為user/item，對應查詢出來的特徵存在user側還是item側。
排序	排序服務先在AlgoConfs中進行配置，可以定義多個精排服務。在RankConf中設定某個推薦情境引用AlgoConfs中定義的精排服務，以及打分公式和權重調整，可以設定多個目標預測分加權之後再相加或者相乘的方式。 AlgoConfs： Name：自訂名稱。 Type：EAS，固定值，當前基本都在EAS上部署模型服務。 Processor：固定值，Processor的類型。 ResponseFuncName：固定值。 Url：模型服務的地址資訊。 EndpointType：是否採用直連的方式，直連的方式網路損耗更小。 Auth：模型服務的Token資訊。 RankConf： RankAlgoList：使用哪些模型服務進行打分。 RankScore：打分的公式，規則為RankAlgoList中的名稱+模型實際的目標值。 BatchCount：打分的批次數量。 Processor：固定值，Processor的類型。
重排	本案例在SortConfs中配置了如下兩個重排策略：提權策略：可以根據item的屬性進行提權。如BoostScoreSort配置是指，如果item的`author_status`屬性值為`teacher`，則將模型打分的分數再乘以10。打散策略：表示在長度為20的視窗中，以item的author為維度，不同維度值的item只能出現一次。配置參數的一些解釋： Name：重排策略的自訂名稱。 SortType：內建的重排策略類型，所支援的類型可參考重排配置。 Debug：是否開啟Debug模型，開啟之後，會在控制台上多列印一些日誌，方便排查問題。 Conditions：Conditions中則為 item 的條件，滿足此條件的會按照Expression的運算式進行處理。 DiversityRules：此參數為多樣性參數，Dimensions為維度欄位，會按照item的這個欄位進行多樣性打散，WindowSize為視窗大小，FrequencySize為不同維度值最多出現的次數。