Artificial Intelligence Recommendation：推薦診斷功能

資料表管理

item資訊需要儲存在額外的資料表中，當通過推薦結果擷取到item_id後，可以通過item_id與item資訊關聯起來，方便展示物品的標題、圖片、視頻等資訊。

在配置過程中，您可以選擇資料表類型，設定資料表名稱以及表的詳細欄位等。

診斷方式

推薦結果診斷

使用推薦結果診斷前，請先前往PAI-Rec管理主控台，在系統配置>雲產品配置頁面的引擎頁簽中，配置PAI-EAS資源群組（使用PAI-EAS專有資源群組的情況下）。然後配置好在引擎服務管理>服務管理中配置好Recommendation Engine服務。

使用推薦介面時需注意，推薦介面返回的資料應為JSON格式，其中必須包含items列表，且列表中的每個元素需至少包含item_id欄位。如果推薦介面返回的資料中缺少上述指定欄位，可以啟用debug模式調用該介面，該模式下，系統將附加必要的資訊到響應中。

其中物品表需要單獨註冊。在使用PAI-FeatureStore的情況下：訪問PAI>特徵平台（FeatureStore）的控制台，基於原始的MaxCompute物品表建立一個離線特徵視圖， 用該特徵視圖的“資料同步”功能同步一天的資料到線上資料來源；然後在PAI-Rec的排查工具>資料註冊裡面註冊FeatureStore視圖。操作完成後，推薦結果診斷頁面可以選擇登入的物品表。

請參考下表結構完成相關配置。

• 返回資料

  參數	類型	是否必選	說明
  code	Integer	否	錯誤碼標識。 200表示成功。
  message	String	否	錯誤資訊。如果成功則為success。
  request_id	String	否	請求唯一標識。
  experiment_id	String	否	實驗ID。
  size	Integer	否	返回的item數量。
  items	Json array	是	返回的推薦條目類別。

• item單獨條目的資料

  參數	類型	是否必選	說明
  item_id	String	是	推薦條目ID。
  retrieve_id	String	否	召回資料來源標識。
  score	Float	否	推薦條目最終得分。

召回ID串診斷

召回ID診斷功能用來評估召回ID列表的可靠性。通過輸入item_id，該功能可擷取並展示item的基本資料，其展現形式與推薦結果診斷保持一致。

使用者行為分析

通過使用者行為分析功能，您可以基於使用者的行為資料，從行為表中提取並展示相關的item_id列表。

您可以在排查工具>資料註冊頁面，設定使用者行為表資料，將uid（使用者ID）作為主鍵記錄。

然後前往排查工具>使用者行為查詢頁面關聯使用者行為表和item資訊表，並設定過濾條件，進行相關查詢。

使用者行為資料存放區在Hologres中，建立使用者行為表的SQL如下，您也可以根據實際需求擴充更多欄位：

BEGIN;
DROP TABLE IF EXISTS "sv_rec"."user_behavior";
CREATE TABLE "sv_rec"."user_behavior" (
 "uid" text NOT NULL,
 "itemid" text NOT NULL,
 "event" text NOT NULL,
 "timestamp" timestamptz NOT NULL
);
CALL SET_TABLE_PROPERTY('"sv_rec"."user_behavior"', 'orientation', 'row');
CALL SET_TABLE_PROPERTY('"sv_rec"."user_behavior"', 'clustering_key', '"uid","timestamp:desc"');
CALL SET_TABLE_PROPERTY('"sv_rec"."user_behavior"', 'time_to_live_in_seconds', '2592000');
comment on column "sv_rec"."user_behavior"."uid" is '使用者ID';
comment on column "sv_rec"."user_behavior"."itemid" is 'itemID';
comment on column "sv_rec"."user_behavior"."event" is '使用者的行為事件，包括點擊，收藏，分享等';
comment on column "sv_rec"."user_behavior"."timestamp" is '事件發生時間';
COMMIT;