各情境模型訓練所需資料表的結構規範-智能推薦 AIRec-阿里雲

在使用PAI-Rec搭建推薦系統前，需要準備基礎資料，分析使用者特徵，用於模型訓練與校準。本文為您介紹部分典型情境的資料規範。

背景資訊

特徵資料一般包含以下三張基礎資料表：

使用者表：
包含與使用者相關的特徵資料，用於描述使用者的個人資訊、偏好和行為習慣。
使用者表中使用者ID不重複，使用者表和行為表可通過使用者唯一ID進行關聯，應包含使用者基礎屬性資訊，如年齡、性別、所屬城市、積分、註冊時間和使用者標籤等。每天一個分區，記錄所有使用者資訊。
物品表：
包含推薦物品的詳細資料，用於描述物品的屬性和特性。
商品表中商品ID不重複，物品表和行為表可通過商品唯一ID進行關聯，應包含商品基礎屬性資訊，如一級類目、二級類目、價格、標題、顏色、規格、上架時間、作者ID和粉絲數量等。每天一個分區，記錄所有的物品資訊。
行為表：
包含使用者和物品之間的行為，例如使用者在什麼時間對什麼物品做了什麼行為。

前提條件

已建立MaxCompute專案，並綁定至DataWorks工作空間。

操作步驟

為了方便您快速上手體驗，PAI-Rec在MaxCompute的pai_online_project專案中預置了三張表，您可將資料複製至自己的專案中使用。

登入DataWorks控制台，在左側導覽列單擊資料開發與營運 > 資料開發。
選擇已建立的DataWorks工作空間後，單擊進入資料開發。
滑鼠移至上方至建立，選擇建立節點 > MaxCompute > ODPS SQL，在彈出的頁面中配置節點參數，然後單擊確認。

在建立節點地區運行以下SQL命令，將使用者表、物料表、Label表從pai_online_project專案同步到自己的MaxCompute專案中。

-- 使用者資訊表
CREATE TABLE IF NOT EXISTS rec_sln_demo_user_table(
  user_id BIGINT COMMENT '使用者唯一ID',
  gender STRING COMMENT '性別',
  age BIGINT COMMENT '年齡',
  city STRING COMMENT '城市',
  item_cnt BIGINT COMMENT '創作內容數',
  follow_cnt BIGINT COMMENT '累計關注數',
  follower_cnt BIGINT COMMENT '累計粉絲數',
  register_time BIGINT COMMENT '註冊時間',
  tags STRING COMMENT '使用者標籤'
) PARTITIONED BY (ds STRING) STORED AS ALIORC;
INSERT OVERWRITE TABLE rec_sln_demo_user_table PARTITION(ds)
SELECT *
FROM pai_online_project.rec_sln_demo_user_table
WHERE ds > "20221231" and ds < "20230217";
-- 商品資訊表
CREATE TABLE IF NOT EXISTS rec_sln_demo_item_table(
  item_id BIGINT COMMENT '內容ID',
  duration DOUBLE COMMENT '視頻時間長度',
  title STRING COMMENT '標題',
  category STRING COMMENT '一級標籤',
  author BIGINT COMMENT '作者',
  click_count BIGINT COMMENT '累計點擊數',
  praise_count BIGINT COMMENT '累計點贊數',
  pub_time BIGINT COMMENT '發布時間'
) PARTITIONED BY (ds STRING) STORED AS ALIORC;
INSERT OVERWRITE TABLE rec_sln_demo_item_table PARTITION(ds)
SELECT *
FROM pai_online_project.rec_sln_demo_item_table
WHERE ds > "20221231" and ds < "20230217";
-- 日誌行為表
CREATE TABLE IF NOT EXISTS rec_sln_demo_behavior_table(
  request_id STRING COMMENT '埋點ID/請求ID',
  user_id STRING COMMENT '使用者唯一ID',
  exp_id STRING COMMENT '實驗ID',
  page STRING COMMENT '頁面',
  net_type STRING COMMENT '網路型號',
  event_time BIGINT COMMENT '行為時間',
  item_id STRING COMMENT '內容ID',
  event STRING COMMENT '行為類型',
  playtime DOUBLE COMMENT '播放時間長度/閱讀時間長度'
) PARTITIONED BY (ds STRING) STORED AS ALIORC;
INSERT OVERWRITE TABLE rec_sln_demo_behavior_table PARTITION(ds)
SELECT *
FROM pai_online_project.rec_sln_demo_behavior_table
WHERE ds > "20221231" and ds < "20230217";

您也可以參考附錄：常見情境的資料規範，自行準備使用者表、物品表和行為表。

附錄：常見情境的資料規範

電商推薦情境

下表列出了電商情境中使用者表、物品表和行為表的建議欄位。如果還有其他未涵蓋的特徵欄位，可自行追加，欄位越豐富完善，推薦效果越好。欄位名稱無需與表格中的完全一致。

使用者表

系統內全部註冊使用者表，建議每天一個分區，每個分區為當天全量使用者的快照。

欄位名稱	是否必填	欄位說明
user_id	已登入使用者必填	使用者ID。
user_id_type	可選	使用者註冊類型，包括App註冊帳號、手機號、微訊號或其它。
device_id	可選	裝置ID。
gender	可選	性別。
age/birthday	可選	年齡/出生日期。
purchasing	可選	購買力，基於歷史資料統計/建模擷取。
country	可選	國家。
province	可選	省份。
city	可選	城市。
register_time	可選	註冊時間戳記。單位：秒。例如，1520017038。
education	可選	使用者學曆。
career	可選	使用者職業。
last_login_time	可選	上次登入時間戳記。單位：秒。例如，1520017038。
source	可選	使用者來源。例如，頭條、微信等。
content	可選	使用者描述。
tags	可選	對使用者的標籤描述。例如，足球、健身和戶外等。

物品表

系統內全量商品表。建議每天一個分區，每個分區為截止當天全量內容的快照。

欄位名稱	是否必填	欄位說明
item_id	是	商品唯一ID。
item_type	可選	商品類型。
source_id	可選	商品來源，導購電商填寫商品的來源平台。例如，淘寶、天貓和京東等。
title	可選（建議填寫）	商品標題，用於語義層面深入分析，如果置空會損失部分演算法效果。
sub_title	可選	商品副標題。
pub_time	必填	發布時的時間戳記。單位：秒
expire_time	可選	內容失效時間戳記。單位：秒
category_level	可選（建議填寫）	類目層級數。
cate_id_path	可選（建議填寫）	全類目ID路徑。支援多級類目，用底線（_）串連。
cate_name_path	可選（建議填寫）	全類目名稱路徑。支援多級類目，用底線（_）串連。
cate1_id	可選（建議填寫）	一級類目ID。類目層級樹需遵循MECE原則（即不重疊，不遺漏），語義上不可交叉。
cate2_id	可選（建議填寫）	二級類目ID。類目層級樹需遵循MECE原則（即不重疊，不遺漏），語義上不可交叉。
cate_id	可選（建議填寫）	類目層級樹的末級葉子節點ID。
cate1_name	可選（建議填寫）	一級類目名稱。
cate2_name	可選（建議填寫）	二級類目名稱。
cate_name	可選（建議填寫）	葉子類目名稱。
brand_id	可選（建議填寫）	品牌ID。
shop_id	可選	店鋪ID。
description	可選	商品詳情描述。
price	必填	商品實際售賣價格。
origin_price	可選	商品原價。
discount	可選	折扣（price/origin_price）。
tags	可選	業務營運打上的商品標籤，例如參加活動的ID。
color	可選	顏色分類。
properties	可選（建議填寫）	商家填寫的商品屬性名稱/屬性值。例如：`{"material": "棉", "style": "通勤"}`
postage	可選	運費。包郵商品運費填0。
image_url	可選	商品圖片URL。提供公網可下載的連結。
video_url	可選	商品視頻URL。提供公網可下載的連結。
shop_dsr	可選	店鋪評分，也稱DSR動態評分（Detailed seller ratings）。
spu_id	可選（建議填寫）	標準產品單位ID。
sku_id	可選	最小貨存單位ID
prov	可選	商品所在省份。
city	可選	商品所在城市。
rate	可選	好評率。

行為表

最近一段時間App的行為資料或情境內的行為資料，建議至少選擇30~60天。

為了擷取使用者完整的行為，盡量上報使用者在全站的行為，不僅收集推薦情境（home_feed），還收集如熱門情境（hot_items）和搜尋情境（search）的曝光、點擊等行為。在搜尋情境，則記錄搜尋字詞（query）。

欄位名稱	是否必填	欄位說明
user_id	已登入使用者必填	使用者ID。
device_id	可選	使用者裝置ID。
item_id	必填	商品ID
item_type	可選	商品類型。
event	必填	行為類型，包括曝光、停留、點擊和評價等。
event_time	必填	行為時間戳記。單位：秒
event_value	可選	行為值，包括停留時間長度，購買件數和購買金額等。
request_id	可選（建議填寫）	請求ID，每次推薦的唯一識別碼。缺少request_id會影響樣本的準確性，同時無法增加即時特徵。如果是建立推薦情境，可以暫時不使用request_id，但在搭建好推薦情境後，需要補上request_id，並調整訓練樣本產生代碼，重新準備訓練樣本以重新訓練模型。
exp_id	可選（建議填寫）	實驗桶ID。PAI-Rec推薦介面返回的實驗ID；如果不是PAI-Rec推薦的結果，填寫default等流量名稱。
request_info	可選	請求埋點資訊，推薦介面調用時返回該資訊，日誌記錄時帶上即可。
scene	必填	情境ID。例如：home_feed表示首頁推薦流；hot_items表示熱賣欄目（不是推薦情境的行為也需要）；search表示搜尋情境，搜尋情境需要填寫本次搜尋的query。
query	可選	搜尋字詞。
page	可選	頁面ID。
source_page	可選	上一頁面。可用於統計不同來源的效果。
position	可選	內容所在的位置資訊，即在推薦列表中的第幾個位置。
app_version	可選	App的版本號碼。
net_type	可選	網路型號。例如，3G/4G/5G/Wifi。
ip	可選	用戶端IP資訊，用於提取國家、城市等特徵。
login	可選	是否登入使用者。
device_platform	可選	用戶端平台。例如，iOS/Android/H5/msite。
device_system	可選	裝置作業系統。例如，iOS、Android和PC。
device_model	可選	裝置型號。
device_brand	可選	裝置品牌/製造商。
longitude	可選	位置經度。
latitude	可選	位置緯度。
country	可選	國家。
province	可選	省份。
city	可選（建議填寫）	城市。

行為類型表

下表為電商行業中常見的幾種行為類型說明。

event	event_value	行為說明
expose	置空即可。	曝光。
click	置空即可。	點擊。
like	置空即可。	點贊。
unlike	置空即可。	踩。
comment	評論內容。	評論。可用來挖掘使用者的購物體驗和商品品質。
collect	置空即可。	收藏。
stay	時間長度。	停留時間長度。單位不限，請注意每條資料中具備相同單位約定。
cart	件數，單價，用英文逗號隔開。例如：`1,10000`。	加購。單價：RMB，可精確到百分位（分）。
buy	件數，單價，用英文逗號隔開。例如，`1,10000`。	購買。單價：RMB，可精確到百分位（分）。一條購買行為中，只能對應一個item_id，一個訂單多個item_id，需要進行拆分。
evaluate	離散的遞增或遞減的整數。	評價。舉例：若使用星級評價，1~5星表示好評度遞增，則可設定對應關係為1星值取1、2星值取2……5星值取5。務必保證增減邏輯與實際好評和差評趨勢相對應。
dislike		負反饋。

內容推薦情境

下表列出了內容推薦情境中使用者表、物品表和行為表的建議欄位。如果還有其他未涵蓋的特徵欄位，可自行追加，欄位越豐富完善，推薦效果越好。欄位名稱無需與表格中的完全一致。

使用者表

系統內全部註冊使用者表，建議每天一個分區，每個分區為當天全量使用者的快照。

欄位名稱	是否必填	欄位說明
user_id	已登入使用者必填	使用者ID。
device_id	可選	裝置ID。
register_time	可選（建議填寫）	註冊時間。單位：秒。例如，1520017038。
gender	可選	性別。
age	可選	年齡。
country	可選	國家。
province	可選	省份。
city	可選	城市。
ip	可選	最後登入IP。
education	可選	使用者學曆。
career	可選	使用者職業。
item_cnt	可選	創作內容數。
favorite_cnt	可選	收藏數。
follow_cnt	可選	關注數。
follower_cnt	可選	粉絲數。
last_login_time	可選	上次登入時間。
tags	可選	對使用者的標籤描述。例如，足球、健身和戶外等。

物品表

系統內全量內容表。建議每天一個分區，每個分區為截止當天全量內容的快照。

欄位名稱	是否必填	欄位說明
item_id	必填	內容ID。
item_type	多內容類型必填	內容類型。例如，文章和視頻等。
status	必填	是否可推薦。
duration	可選（視頻必填）	視頻時間長度。
pub_time	必填	發布時間。
title	可選（建議填寫）	標題。
category	可選（建議填寫）	一級標籤，建議使用英文。
tags	可選	標籤，可以是多種標籤，用半形逗號或分號分割。
author	可選（建議填寫）	作者
abstract	可選	內容摘要。
content	可選	內容本文
image_url	可選	圖片URL，用於提取映像特徵。
video_url	可選	視頻URL，用於提取視頻特徵。
pv_count	可選	累計曝光數。
click_count	可選	累計點擊數。
praise_count	可選	累計點贊數。
comment_count	可選	累計評論數。
collect_count	可選	累計收藏數。
share_count	可選	累計分享數。
download_count	可選	累計下載數。
tip_count	可選	累計打賞數。

行為表

最近一段時間App的行為資料或情境內的行為資料，建議至少選擇30~60天。

欄位名稱	是否必填	欄位說明
user_id	已登入使用者必填	使用者唯一ID。
device_id	可選	使用者裝置ID。
item_id	必填	內容ID。
item_type	多內容類型必填	內容類型。例如，文章和視頻等。
request_id	可選	請求ID，每次推薦的唯一識別碼。缺少request_id會影響樣本的準確性，同時無法增加即時特徵。如果是建立推薦情境，可以暫時不使用request_id，但在搭建好推薦情境後，需要補上request_id，並調整訓練樣本產生代碼，重新準備訓練樣本以重新訓練模型。
request_info	可選（建議填寫）	埋點內容，如召回ID等。
exp_id	必填	實驗ID。PAI-Rec推薦介面返回的實驗ID；如果不是PAI-Rec推薦的結果，填寫default等流量名稱。
scene	多情境必填	情境。
page	可選（多頁面建議填寫）	頁面。
source_page	可選（多頁面建議填寫）	上一頁面。
position	可選	內容所在位置。
event	必填	行為類型，包括曝光、停留、點擊和評價等。
event_time	必填	行為發生時間。
playtime	可選（建議填寫）	播放時間長度/閱讀時間長度。單位：秒。
comment	可選	評論內容。
net_type	可選	網路型號。
device_platform	可選（建議填寫）	用戶端平台。
device_brand	可選	用戶端品牌。
device_model	可選	用戶端機型。
device_system	可選	用戶端作業系統。
app_version	可選	App版本。
longitude	可選	位置經度。
latitude	可選	位置緯度。
country	可選	國家。
province	可選	省份。
city	可選（建議填寫）	城市。
ip	可選	最後登入IP。

視頻推薦

下表列出了視頻推薦情境中使用者表、物品表和行為表的建議欄位。如果還有其他未涵蓋的特徵欄位，可自行追加，欄位越豐富完善，推薦效果越好。欄位名稱無需與表格中的完全一致。

使用者表

欄位名稱	是否必填	欄位說明
user_id	必填	使用者ID。
age	可選	使用者年齡，可進行分段處理。例如，0~12、12~18、18~24和25~34等，作為數值特徵，離散化之後作為類別特徵。
gender	可選	使用者性別。例如，男、女或其他，作為類別特徵，也可以用0、1或2等整數來表明性別。
occupation	可選	使用者的職業資訊。例如，學生、教師和工程師等，作為類別特徵。
education	可選	使用者的教育背景。例如，高中、本科和碩士等，作為類別特徵。
income	可選	使用者的收入水平。例如，低、中和高，作為類別特徵。
user_level	可選	使用者在平台上的等級或會員等級。
register_time	可選	使用者註冊賬戶的時間，單位是秒。可以轉換後按年、月、日分段，作為數值特徵，離散化之後作為類別特徵。
country	可選	使用者所在國家，作為類別特徵。
province	可選	使用者所在國家的省，作為類別特徵。
city	可選	使用者所在國家的城市，作為類別特徵。
active_time	可選	使用者在平台上的活躍時間段。例如，早晨、下午和晚上等，作為類別特徵。
device_type	可選	使用者使用的裝置類型。例如，PC、手機和平板等，作為類別特徵。
os	可選	使用者裝置上的作業系統。例如，iOS、Android和Windows等，作為類別特徵。
browser	可選	使用者使用的瀏覽器類型。例如，Chrome、Firefox和Safari等，作為類別特徵。
language	可選	使用者偏好的語言。例如，英語、中文和西班牙語等，作為類別特徵。
interests	可選	使用者的興趣點。例如，運動、音樂和旅行等，作為Tag特徵。

物品表

欄位名稱	是否必填	欄位說明
item_id	必填	物品ID，視頻內容的唯一識別碼。
category	可選	視頻內容的一級分類，作為類別特徵。
leaf_category	可選	視頻內容的葉子類目，作為類別特徵。
brand	可選	視頻內容的品牌或製作方，作為類別特徵。
video_type	可選	視頻的類型。例如，電影、電視劇、紀錄片和短片等，作為類別特徵。
duration	可選	視頻的時間長度，可以離散化為短於10分鐘、10~30分鐘、超過30分鐘等，作為類別特徵。
title	可選	視頻的標題。
series_name	可選	視頻集名稱。例如，《西遊記》。
series_total_number	可選	視頻集總共多少集。
series_number	可選	視頻集當前是第幾集。例如，1表示第一集。
release_date	可選	視頻的發布日期，可以作為數值特徵。單位：秒。
director	可選	視頻的導演。
actors	可選	視頻的主要演員，半形逗號分隔，多值作為tag特徵。
rating	可選	視頻的評分。例如，IMDb評分、豆瓣評分等，作為數值特徵。
language	可選	視頻的原始語言。例如，英語、中文和日語等，作為類別特徵。
has_subtitle	可選	視頻是否提供字幕。
region	可選	視頻的製作地區。例如，好萊塢、寶萊塢和中國內地等，作為類別特徵。
tags	可選	視頻的標籤。例如，喜劇、動作和愛情等，多值作為tag特徵。

行為表

為了擷取使用者完整的行為資料，建議儘可能上報使用者在全站的行為，包括推薦情境（home_feed）、熱門情境（hot_items）和搜尋情境（search）的曝光/點擊等行為。在搜尋情境中，需要記錄搜尋字詞（query）。

因為使用者在非推薦情境中的點擊、觀看等行為同樣能夠反映其偏好，是構建完整使用者畫像的重要資料來源。

欄位名稱	是否必填	欄位說明
request_id	可選	請求ID，每次推薦的唯一識別碼。缺少request_id會影響樣本的準確性，同時無法增加即時特徵。如果是建立推薦情境，可以暫時不使用request_id，但在搭建好推薦情境後，需要補上request_id，並調整訓練樣本產生代碼，重新準備訓練樣本以重新訓練模型。
user_id	必填	使用者ID，使用者的唯一識別碼。
item_id	必填	物品ID，視頻內容的唯一識別碼。
event	必填	使用者對視頻內容的行為。例如，曝光、點擊和點贊等，作為類別特徵。
event_value	必填	當event的值為watch（觀看），event_value可填寫值為觀看時間長度（單位：秒）。
timestamp	必填	使用者行為發生的時間，單位是秒。可以按小時、星期幾、是否節假日等分段，作為類別特徵。
scene	必填	情境。例如：home_feed表示首頁推薦流；hot_items表示熱賣欄目（不是推薦情境的行為也需要）；search表示搜尋情境，搜尋情境需要填寫本次搜尋的query。
query	可選	搜尋字詞。
device_type	可選	使用者使用的裝置類型。例如，PC、手機和平板等，作為類別特徵。
browser	可選	使用者使用的瀏覽器類型。例如，Chrome、Firefox和Safari等，作為類別特徵。
mobile_brand	可選	使用者手機的品牌，作為類別特徵。
os	可選	使用者裝置上的作業系統。例如，iOS、Android和Windows等，作為類別特徵。
ip	可選	使用者的IP地址，可以通過IP定位得到所在省、城市特徵，作為類別特徵。
rating	可選	使用者對視頻內容評價的平均分數。例如，滿分10分，該視頻分數是8.5。
weather	可選	使用者所在地的天氣情況。例如，晴、雨和雪等，作為類別特徵。
holiday	可選	使用者行為發生時是否是節假日。例如，春節和國慶節等，作為類別特徵。
season	可選	當前的季節。例如，春、夏、秋和冬，作為類別特徵。
longitude	可選	使用者所在位置的經度，作為數值特徵，離散化之後作為類別特徵。
latitude	可選	使用者所在位置的緯度，作為數值特徵，離散化之後作為類別特徵。

直播推薦

下表列出了直播推薦情境中使用者表、物品表和行為表的建議欄位。如果還有其他未涵蓋的特徵欄位，可自行追加，欄位越豐富完善，推薦效果越好。欄位名稱無需與表格中的完全一致。

使用者表

欄位名稱	是否必填	欄位說明
user_id	必填	使用者ID。
age	可選	使用者年齡，可進行分段處理。例如，0~12、12~18、18~24和25~34等，作為數值特徵，離散化之後作為類別特徵。
gender	可選	使用者性別。例如，男、女或其他，作為類別特徵，也可以用0、1或2等整數來表明性別。
occupation	可選	使用者的職業資訊。例如，學生、教師和工程師等，作為類別特徵。
education	可選	使用者的教育背景。例如，高中、本科和碩士等，作為類別特徵。
income	可選	使用者的收入水平。例如，低、中和高，作為類別特徵。
user_level	可選	使用者在平台上的等級或會員等級。
register_time	可選	使用者註冊賬戶的時間，單位是秒。可以轉換後按年、月、日分段，作為數值特徵，離散化之後作為類別特徵。
country	可選	使用者所在國家，作為類別特徵。
province	可選	使用者所在國家的省，作為類別特徵。
city	可選	使用者所在國家的城市，作為類別特徵。
active_time	可選	使用者在平台上的活躍時間段。例如，早晨、下午和晚上等，作為類別特徵。
device_type	可選	使用者使用的裝置類型。例如，PC、手機和平板等，作為類別特徵。
os	可選	使用者裝置上的作業系統。例如，iOS、Android和Windows等，作為類別特徵。
browser	可選	使用者使用的瀏覽器類型。例如，Chrome、Firefox和Safari等，作為類別特徵。
language	可選	使用者偏好的語言。例如，英語、中文和西班牙語等，作為類別特徵。
interests	可選	使用者的興趣點。例如，運動、音樂和旅行等，作為Tag特徵。

物品表

欄位名稱	是否必填	欄位說明
anchor_id	必填	物品ID，主播的唯一識別碼。
name	可選	主播的姓名。
nickname	可選	主播的暱稱，一般會顯示在直播頁面。
anchor_gender	可選	使用者的性別。例如，男、女或其他，作為類別特徵。
language	可選	主播在直播過程中使用的語言。包含漢語、英語和日語等。
level	可選	關於該主播在平台的等級。
category	可選	主播所屬的主要類別。例如，才藝表演、遊戲解說等，作為類別特徵。
leaf_category	可選	更加細分的類別標籤，作為類別特徵。
rating	可選	觀眾對主播的整體評價分數，可以轉化為好評、中評和差評等形式，作為類別特徵。
status	可選	表示主播當前的狀態，比如是否正在直播。
review_count	可選	關於該主播的所有評論總數。
video_type	可選	直播的具體形式。例如，現場直播、錄製回放等。
duration	可選	單次直播的期間長度。
release_date	可選	直播開始的確切日期。
director	可選	如果是預錄節目，則記錄導演名字；否則通常為空白。
actors	可選	參與直播的嘉賓名單。
subtitles	可選	是否提供了字幕服務。
region	可選	主播所在的地區。
tags	可選	與直播主題相關的關鍵詞列表。
follow_count	可選	主播粉絲數量。

行為表

欄位名稱	是否必填	欄位說明
request_id	可選	請求ID，每次推薦的唯一識別碼。缺少request_id會影響樣本的準確性，同時無法增加即時特徵。如果是建立推薦情境，可以暫時不使用request_id，但在搭建好推薦情境後，需要補上request_id，並調整訓練樣本產生代碼，重新準備訓練樣本以重新訓練模型。
user_id	必填	使用者ID，使用者的唯一識別碼。
item_id	必填	物品ID，視頻內容的唯一識別碼。
event	必填	使用者對視頻內容的行為。例如，曝光、點擊和點贊等，作為類別特徵。
event_value	必填	當event為打賞時，記錄具體金額；當event為點贊時，記錄點贊次數。
event_time	可選	精確到秒的行為發生時刻。
ip	可選	使用者的IP地址，可以通過IP定位得到所在省、城市特徵，作為類別特徵。
rating	可選	使用者給予主播的星級評價或其他形式的反饋。
scene	可選	區分不同訪問入口。例如，首頁推薦和搜尋結果頁等。
device_type	可選	使用者進行互動時所使用的終端裝置。
browser	可選	使用者訪問時使用的瀏覽器軟體。
mobile_brand	可選	使用者行動裝置的品牌名稱。
os	可選	使用者裝置上的作業系統。
weather	可選	根據IP定位擷取的即時天氣情況。
holiday	可選	使用者行為發生時是否是節假日。
season	可選	當前的季節。
longitude	可選	使用者所在位置的經度。
latitude	可選	使用者所在位置的緯度。