推荐系统开发平台PAI-Rec（PAI意为Platform of AI，Rec意为Recommendation）提供了推荐系统全链路的深度定制能力，适用于企业开发者自主搭建、开发、迭代和运维一套推荐系统。概述 PAI-Rec 是阿里云提供的推荐系统开发平台，旨在为企业...
AliyunPAIRecFullAccess 是阿里云管理的产品系统策略，您可以将 AliyunPAIRecFullAccess 授权给 RAM 身份（RAM 用户、RAM 用户组和 RAM 角色），本策略定义了 推荐系统开发平台（PAI-Rec）的全部可访问性。策略详情 类型：系统策略 创建...
1.创建PAI-Rec实例并初始化服务 登录 全链路推荐系统开发平台 首页，单击 立即购买。在PAI-Rec实例购买页面，配置以下关键参数，然后单击 立即购买。参数 说明 地域和可用区 您的云服务部署的地域。服务类型 本方案选择 高级版。说明 相较...
训练模型EasyRec是一个开源的推荐系统框架，可以与FeatureStore无缝衔接，进行训练模型、导出模型、上线模型的操作。推荐您将 fs_demo_fs_rank_v1_trainning_set 表作为输入，使用EasyRec训练模型。EasyRec开源代码请参见 EasyRec。EasyRec...
为什么需要冷启动 通常推荐系统通过协同过滤、矩阵分解或是深度学习模型来生成推荐候选集，这些召回算法一般都依赖于用户-物品行为矩阵。在真实的推荐系统中，会有源源不断的新用户、新物品加入，这些新加入系统的用户和物品由于缺乏足够...
流量配置 用户一个推荐场景可能请求多个推荐系统，例如自建的推荐系统和PAI-Rec推荐系统，当请求自己的推荐系统时，需要在exp_id中设置固定值（例如default），此时 流量编码 可相应设置为 default。单击 确认。相关操作 创建场景后，您...
流量调控解决方案优势 扶持效果好：“流量调控”是基于PAI-Rec推荐系统架构而开发的流量干预功能，在不扰乱推荐系统整体推荐逻辑的基础上对所选物品池进行精准流量干预。效果可量化：与传统的“加权”方式相比，“流量调控”功能以物品池的...
然而推荐系统并不能提前知道用户在观察到商品之后如何反馈，也就是不能提前获得本次推荐的收益，唯一能做的就是不停地尝试，并实时收集反馈以便更新自己试错的策略。目的是使得整个过程损失的收益最小。这一过程就类似与一个赌徒在赌场里玩...
本文为您介绍直播推荐的相关字段，帮助您构建一个全面的直播推荐系统，通过分析用户的特征、直播内容的特征以及用户对直播内容的行为，实现个性化推荐。说明 下表是直播推荐场景建议准备的用户表、物品表、行为表的字段，字段越完善越丰富...
若您已部署一套包含召回、过滤、精排及重排的成熟推荐系统，在引入 PAI-Rec 时，完整的在PAI-Rec上复现所有逻辑会有较大的工作量，因此我们建议您先替换原有系统的精排和重排模块，同时复用已有的召回结果。待 PAI-Rec 的精排模型在实验中...
一、背景与问题 在构建推荐系统的过程中，模型的离线训练阶段通常会将物品的位置特征作为关键输入，以捕捉用户对不同位置展示物品的响应差异。然而，在线预测阶段，当模型对候选物品进行实时排序并生成推荐列表时，由于物品的实际展示位置...
计费项 计费项 说明 计费方式 PAI-Rec实例 PAI-Rec按照实例进行计费，在 标准版实例 基础上，您还可以选购以下两个增值功能：推荐方案定制：提供了一种灵活、高效的推荐算法的配置方式，允许客户自定义推荐系统的各个环节，包括特征工程、...
在推荐系统中需要为算法工程师、策略工程师完成多种实验，我们还提供了a/b testing服务，帮助用户配置AB测试服务。由于阿里云提供多样的存储选项，我们支持将数据存储于Hologres、BE、OTS和Redis中。具体选择哪一种存储方式，后续文档将...
本文为您介绍视频推荐的相关字段，帮助您构建一个全面的视频推荐系统，通过分析用户的特征、视频内容的特征以及用户对视频内容的行为，实现个性化推荐。说明 下表是视频推荐场景建议准备的用户表、物品表、行为表的字段，字段越完善越丰富...
使用场景：当用户已有推荐系统的时候，在刚开始会把这个场景从切10%到20%的推荐流量给PAI-Rec系统。当PAI-Rec的推荐效果达到预期之后再逐渐增加流量。配置方式：假设用户有自建的推荐流量或使用了第三方的推荐平台，可以自定义流量编码作为...
一般来说，增加实时特征能明显的提升推荐系统的指标效果。然而 实时特征对准确性的要求很高，如通过离线卡时间窗口关联的方式（指通过离线日志反推在推荐时刻用户和物品的实时特征），由于很难估计系统各链路间的延时，很容易就出现特征不...
在PAI-Rec推荐开发平台中，对用户表、物品表、行为表做数据诊断是一个非常重要的步骤，它确保了哪些特征可以用到特征工程中，一些离散化参数怎么设置，需要统计多少天的数据用于得到用户偏好特征和物品特征，需要多少天的数据用于训练样本...
用户特征（user features）：以上案例描述推荐系统中的用户特征，包括从离线和在线系统中获取用户特征。在上图左下角 PAI-Rec 推荐引擎是通过 FeatureStore SDK（FS）读取用户特征。物品特征（item features）：在打分服务 EasyRec ...
这种情况非常常见：当用户自己已有推荐系统的时候，在刚开始会把这个场景从切10%到20%的推荐流量给PAI-Rec系统。当PAI-Rec的推荐效果达到预期之后再逐渐增加流量。HomePageRec的默认流量是走PAI-Rec的，而selfhold表示用户自持的流量，...
使用RAM用户搭建PAI-Rec推荐系统，至少需要为该RAM用户设置以下角色：云产品 角色 相关文档说明 DataWorks 开发、部署和运维。附录：预设角色权限列表（空间级）MaxCompute 建议创建DataWorks为 简单模式：用户在MaxCompute中选择role_...
PAI-Rec引擎是一款基于Go的在线推荐服务引擎的框架，您可以基于此框架快速搭建推荐在线服务，也可以定制化进行二次开发。基本功能 PAI-Rec引擎提供如下功能：集成Go Http Server，提供路由注册功能，方便开发Restful API。包含完整的推荐...
首次使用PAI-Rec搭建推荐系统时，需要购买PAI-Rec实例并配置初始环境。选型说明 实例选型 初次接入PAI-Rec，建议在 标准版实例 基础上购买 推荐方案定制 功能，在熟悉之后再购买 运营工具 功能：推荐方案定制可自定义特征工程、召回策略和...
为保障推荐系统在生产环境中的高可用性、高性能和稳定性，您可以参考以下配置与操作建议。系统监控和报警配置 当一分钟内（或者几分钟）推荐系统的RT数量超出阈值时，触发报警信息至钉钉或手机。推荐引擎上线 先配置推荐引擎，然后在预发...
当主推荐链路因超时或结果数量不足无法正常返回有效推荐时，系统将自动启用预设的兜底策略，快速生成替代结果，确保请求始终返回符合预期数量的有效推荐内容，避免空结果或服务中断。注意：兜底功能与主推荐链路部署在同一服务实例内，不...
若您首次搭建推荐系统，缺乏相关技术经验，且前期存在算法、工程人力不足的情况，我们建议您优先启用端到端行业推荐服务AIRec服务对接，待您已具备相关技术人员，并希望自主掌控推荐链路，我们建议您按照如下步骤进行评估，并与阿里侧架构...
新手引导 准备工作 数据埋点指南 数据规范 推荐全链路深度定制开发平台 PAIRec 推荐系统搭建 AB实验平台 实验指标管理 数据诊断 智能召回引擎BE 实例管理 访问控制 数据管理 服务管理 个性化算法开发平台TPP 实例基础配置 创建方案 创建...
PAI-Rec 引擎支持通过 Prometheus 来采集指标数据，可以实现以下几点目标：增强系统可见性：通过收集和分析多维度的指标数据，帮助开发和运维团队更清晰地了解系统的运行状况和性能瓶颈。快速故障排查：可观测性使团队能够快速识别和定位...
在使用PAI-Rec搭建推荐系统前，需要准备基础数据，分析用户特征，用于模型训练与校准。本文为您介绍部分典型场景的数据规范。背景信息 特征数据一般包含以下三张基础表：用户表：包含与用户相关的特征数据，用于描述用户的个人信息、偏好和...
为此，PAI-Rec开发了一款轻量级A/B测试服务，旨在最小化对现有系统的干扰，并支持快速实验。目前，该服务已提供服务器端的实验功能。A/B服务介绍 A/B服务主要包括以下组件：AB Web控制台：作为A/B服务后台管理系统，用于实验配置。数据会...
登录 PAI-Rec管理控制台，在左侧导航栏选择 系统配置 引擎配置。在 预发 环境，单击 创建配置单，系统会提供默认设置，可直接创建。单击 克隆，可从预发环境的配置克隆生成生产环境的配置单。在 生产 环境，单击目标配置单右侧的 详情，...
在某些场景中，系统在接收到推荐请求后，会预先获取User特征，再进入推荐流程中。本文为您介绍如何进行User特征预取。场景介绍 获取User特征的方式有以下两种：阻塞获取User特征：因为User特征会在召回或过滤阶段用到，必须先获取User特征...
诊断方式 推荐结果诊断 使用推荐结果诊断前，请先前往 PAI-Rec管理控制台，在 系统配置 云产品配置 页面的 引擎 页签中，配置PAI-EAS资源组（使用PAI-EAS专有资源组的情况下）。然后配置好在 引擎服务管理 服务管理 中配置好推荐引擎服务。...
PAI-Rec推荐引擎是把召回、过滤、粗排、重排、冷启动等模块串联起来的服务引擎。当内置的功能通过配置文件能满足业务需求的时候，不需要代码开发。当默认配置不能满足业务需求时，才需要对开发一些自定义组件。
随机召回 推荐召回具体公平但低效的特点，可以作为基准策略。基于规则的召回 根据业务的特点来召回对应的物品。比如相亲平台可以根据地理位置召回同城的异性作为推荐标的。基于内容偏好的召回 统计或建模用户对物品内容（属性）的偏好程度...
分区字段显示有两种形式 yyyymmdd 与 yyyy-mm-dd，可下拉选择显示的样式 是否需要特征比对：默认选择是，如果选择否模型的详细特征原则不会显示 推荐服务名称：选择需要用到日志回放的服务名称（推荐服务名称，是从 系统配置中 服务管理来...
架构图 冷启动链路的整体框架如下图所示：冷启动链路流程 App请求推荐服务，获取推荐内容列表 推荐服务调用 冷启动召回模块，获取匹配上的候选物品 推荐服务调用 冷启动算法打分EAS服务，传递参数：待打分候选物品列表，用户/物品特征，...
本文旨在解决阿里云智能推荐AIRec的冷启动难题，详解从召回、模型训练到排序的全链路方案，助您扫清业务障碍，快速提升推荐效果。
全场景实验允许用户在系统预置的全局场景 pairec_abtest_global_scene 中配置跨场景统一参数，该参数自动应用于所有业务场景。全场景实验 有时我们期望多个推荐场景可以共享一些参数配置，而不用在每个场景重复配置一些参数，因此我们推出...
如果没有则设置为0 scene string 否 用来区分日志场景，如首页猜你喜欢推荐、搜索场景、详情页相关推荐、排行榜等等。取名用英文数字和下划线，如home_feed。ip string 否 客户端ip，用于提取国家、城市等特征 device_model string 否 设备...