智能推荐AIRec：召回链路定义

数据表注册

我们以U2I的召回举例说明，假设通过PAI-Rec产生了u2i的MaxCompute表，表名称为 module_test_tf_etrec_u2i_test1_u2i2i_score_v1。MaxCompute里的建表信息如下：

pairec_test_mc.module_test_tf_etrec_u2i_test1_u2i2i_score_v1(
    user_id STRING COMMENT '用户ID', 
    item_ids STRING COMMENT '根据u2i2i计算得到topN的item')
PARTITIONED BY (ds STRING COMMENT '分区') 
ROW FORMAT SERDE 'com.aliyun.apsara.serde.AliOrcSerDe' TBLPROPERTIES ('columnar.nested.type'='true', 'comment'='etrec_u2i_test1 u2i2i召回表') LIFECYCLE 7;

注册参考如下：

点击数据同步：

填入有数据的表分区，并且确认数据同步：

点击同步历史，可以查看同步详情。

同步成功后，可以看到生效的数据版本。

召回定义

点击新建服务，输入服务名称、描述。

然后点击编辑，进行具体的设置：

我们只先新建一路u2i_recall的召回

定义完成就可以做测试了。 如果测试完成，可以把此版本发布上线。

很多情况下，召回链路不会那么简单。很多时候需要获取物品属性以及状态过滤。 分两种情况进行说明。

发布版本后，在线版本只能查看，不能编辑。我们首先新建版本，可以把当前的在线版本进行克隆，然后在新版本上进行编辑。

1. 召回后链路设置（归并配置）

如果多路召回都走同样的逻辑，获取物品表字段，并且进行过滤。 下面的例子中，会把 tag、category 属性在召回里返回。在过滤表达式里，如果引用上下文参数（user侧特征），需要加前缀 query 。

2. 算子设置

若仅需针对某一路召回进行独立设置，可通过组合算子实现相应操作：添加 Join 算子，将物品表中的属性字段关联并提取至当前结果集中。

也可以继续设置 Filter 算子对数据进行过滤。由于先前已经设置了 Join 算子，这里可直接引用上一步已获取的物品属性。

除了物品属性的过滤之外，我们经常使用伪曝光、真实曝光的组合来过滤数据，这个可以在归并配置里设置。

上文提到的 Filter 算子中的过滤表达式，以及归并配置中的过滤表达式，均基于 go expr 实现。

数据表注册

随机召回一般会实时更新候选池，注册表如下。在表中，还注册了BITMAP字段。 如果对随机召回物品没有过滤需求，那无需要设置 BITMAP 字段。 如果对某些字段有强过滤需求，并且字段的唯一值数量不多（万以下），可以设置成 BITMAP 字段。

建表之后，只需要写入数据即可。

召回定义

新建召回服务后，定义召回子链路。这里物品筛选条件可根据索引字段进行灵活设置，例如"tag in [1,2,3] && category in query.categories"表示满足 tag 字段值为 1、2 或 3，且 category 字段值与查询上下文中的 query.categories 参数匹配的物品，其中categories作为上下文传递的参数需要添加query前缀以确保正确引用。

如果物品条件有 or(||) 的关系，可以输入表达式进行定义。 比如：

这里的物品条件限制比较多，只支持 &&, || , ==, !=, >, >=, <, <=, in 。 如果物品条件过滤之后， 还需要更灵活的或者更复杂的语义过滤， 可以使用上文提到的 Filter 算子或者归并配置里的过滤表达式。

数据表注册

u2i 表注册如下：

i2i 表注册如下：

召回定义

首先对 u2i 的数据进行召回。 召回表设置是 u2i_table 。然后通过算子与 i2i 召回关联起来。

u2i 召回之后，item_id 是当作triggerId 去召回 i2i 的。 如果想限制trigger，对 trigger 进行调整的话，可以设置 trigger 算子。

trigger 算子可以对triggerId 进行排序，然后进行数量的截取。

然后通过 Join 算子设置 i2i 的召回。无需选择similar_item_id 字段，此处返回的item_id即为 i2i 表中对应的物品字段。

数据表注册

MaxCompute里的建表信息如下：

CREATE TABLE IF NOT EXISTS recall_test.test_item_emb (
    item_id STRING,
    item_emb ARRAY<FLOAT>
)
PARTITIONED BY (ds STRING);

CREATE TABLE IF NOT EXISTS recall_test.test_user_emb (
    user_id STRING,
    user_emb ARRAY<FLOAT>
)
PARTITIONED BY (ds STRING);

注册表：

用户向量表：

物品向量表：

勾选正确的主键字段和对应的向量字段。

召回定义

向量召回：

创建对应的服务，创建对应的召回，选择向量召回，配置对应的用户向量表和对应的物品向量表。

{
            "Name": "recall_engine_vector_recall",
            "RecallType": "RecallEngineRecall",
            "RecallEngineConf": {
                "RecallEngineName": "pairec-re",
                "ServiceName": "vector_recall_test",
                "VersionName": "V1",
                "RecallEngineParams": [
                    {
                        "RecallType": "vector",
                        "RecallName": "vector_recall",
                        "Count": 10,
                        "TriggerType": "user",
                        "UserTriggers": [
                            {
                                "TriggerKey": "uid"
                            }
                        ]
                    }
                ],
                "FilterNames": []
            }
}

基于当前用户的 ID，从向量召回服务中检索与其兴趣最相似的 10 个物品，不做额外过滤，直接返回结果。

测试结果如图所示。

数据表注册

这个也是需要注册一个i2i的表

还需要注册一个FeatureStore的特征视图

召回定义

创建对应的服务和召回配置。

{
            "Name": "recall_engine_u2i_realtime_recall",
            "RecallType": "RecallEngineRecall",
            "RecallEngineConf": {
                "RecallEngineName": "pairec-re",
                "ServiceName": "u2i_realtime_recall_test",
                "VersionName": "V1",
                "RecallEngineParams": [
                    {
                        "RecallType": "x2i",
                        "RecallName": "u2i_realtime_recall",
                        "Count": 100,
                        "TriggerType": "u2i_realtime",
                        "UserTriggerDaoConf": {
                            "AdapterType": "featurestore",
                            "FeatureStoreName": "fs_info",
                            "FeatureStoreViewName": "seq_fea",
                            "TriggerCount": 100,
                            "EventWeight": "click:1;expr:1",
                            "WeightExpression": "exp((-0.2)*((currentTime-eventTime)/3600/24))",
                            "WeightMode": "sum",
                            "NoUsePlayTimeField": false,
                            "ItemIdFieldName": "item_id",
                            "EventFieldName": "event",
                            "PlayTimeFieldName": "playtime",
                            "TimestampFieldName": "event_time"
                        }
                    }
                ],
                "FilterNames": []
            }
        }

基于用户最近的实时行为（点击/曝光），从特征存储中提取最多 100 条行为记录，对每个行为按事件类型赋初值权重，并结合时间衰减计算最终权重，然后将这些带权重的 item 列表进行i2i的召回处理，请求召回 100 个相关物品，不进行额外过滤。

测试结果如图所示。