Platform For AI:Sıralama

Öneri Çözümü - Sıralama, özellik mühendisliği tarafından işlenen kullanıcı özelliği, öğe özelliği ve kullanıcı davranışı tablolarını kullanır. Çözüm, model dağıtımı için bir sıralama modeli oluşturur. Bu konuda sıralama çözümünün nasıl uygulanacağı açıklanmaktadır.

Önkoşullar

Sıralama için gereken veri kümeleri, Öneri Çözümü - Özellik Mühendisliği iş akışı şablonu çalıştırılarak oluşturulur. Daha fazla bilgi için bkz. Özellik mühendisliği.

• rec_sln_demo_user_table_preprocess_all_feature_v2

• rec_sln_demo_item_table_preprocess_all_feature_v2

• rec_sln_demo_behavior_table_preprocess_v2

Sıralamayı uygulama

1. Machine Learning Designer sayfasına gidin.

   1. PAI console adresinde oturum açın.

   2. Sol gezinme bölmesinde Workspaces seçeneğine tıklayın. Workspaces sayfasında yönetmek istediğiniz çalışma alanının adına tıklayın.

   3. Sol gezinme bölmesinde Model Training > Visualized Modeling (Designer) seçeneğini belirleyin.

2. İş akışını oluşturun.

   1. Machine Learning Designer sayfasında Preset Templates sekmesine tıklayın.

   2. Şablon listesinde Recommendation Solution - Rank altında Create seçeneğine tıklayın.

   3. Create Workflow iletişim kutusunda parametreleri yapılandırın. Varsayılan değerleri kullanabilirsiniz.

      Workflow Data Storage ayarını, iş akışının ürettiği geçici verileri ve model dosyalarını depolamak için kullanılan bir OSS Bucket yoluna ayarlayın. Bu yol, özellik mühendisliği için kullanılan yolla aynı olmalıdır.

   4. OK seçeneğine tıklayın. İş akışının oluşturulması yaklaşık on saniye sürer.

   5. Sistem, aşağıdaki şekilde gösterildiği gibi önceden ayarlanmış şablona göre iş akışını otomatik olarak oluşturur.

      Bileşen Numarası	Açıklama
      1	Sıralama modeli için örnek.
      2	fg.json dosyasına göre örnekte özellik oluşturma (FG) işlemleri yapar. Ekler: fg_on_odps-1.3.59-jar-with-dependencies.jar, rec_sln_demo_rec_sln_demo_sorting_fg_v1.json
      3	Sayısal özellikler için eşit sıklıkta gruplama işlemi uygular. boundaries değerleri, sayısal özelliklerin ayrıklaştırılması için kullanılır.
      4	Numaralandırma özellikleri için benzersiz değerlerin sayısını hesaplar. Bu sayı, modelin embedding_dim ve hash_bucket_size değerlerini ayarlamak için kullanılır.
      5	rec_sln_demo_sorting modelinin 30 günlük örnek verilerini karıştırarak eğitim örneklerini oluşturur.
      6	Özellik ve adım yapılandırma bilgilerini hesaplamak üzere rec_sln_demo_rec_sln_demo_sorting_30d_binning_v2 ve rec_sln_demo_rec_sln_demo_sorting_30d_count_v2 tablolarından gelen sonuçları toplar.
      7	6. bileşenden elde edilen hesaplama sonuçlarına göre EasyRec yapılandırma dosyasındaki yapılandırma bilgilerini doldurur. Ek: rec_sln_demo_rec_sln_demo_sorting_v1_template.config Not Bu düğümü yalnızca bir kez çalıştırmanız gerekir.
      8	Model eğitimi için önce EasyRec yapılandırma dosyasını oluşturmak amacıyla 7. bileşeni çalıştırmanız gerekir. Ek: fg.json