如何从AIRec实例实时获取推荐结果_智能推荐 AIRec(AIRec)-阿里云帮助中心

概述

本篇文档将介绍如何从AIRec智能推荐服务获取推荐结果数据，当您请求获取推荐结果的接口时，推荐结果数据将以JSON格式回传给您。

本篇文档内容适用版本：行业运营版、算法配置版。

参数说明

参数	类型	描述	是否必填	备注

参数	类型	描述	是否必填	备注
userId	string	需要推荐的目标用户	和imei至少一个不为空	如果不在user表中，则无个性化效果
imei	string	用户设备id，安卓设备是（imei），IOS设备是（idfa）	和userId至少一个不为空，非注册用户必填	32位MD5值
returnCount	Integer	单次请求返回的推荐结果数量	是	建议取值20
sceneId	string	物品投放的场景ID	是	默认值为1，需要与上传的数据中场景ID一致
items	string	在“相关推荐”场景下的基准物品	“相关推荐”场景下必填	格式：itemId:itemType,itemId:itemType
ip	string	用户最后登录的ip	否	—
rankOpen	boolean	召回排序阶段是否根据用户id个性化排序	否	默认值true
recType	string	推荐服务类型	否	hot：热门推荐、rr：相关推荐、gul：猜你喜欢。注意：rr和gul都属于个性化推荐服务，只有rankOpen=false且recType="hot"时才完全关闭个性化推荐
filter	string	推荐过滤条件	否	推荐过滤功能的详细使用可参看：通过推荐过滤功能实现Feed流个性化过滤
strategy	string	置顶、坑位策略功能开关	否	用户访问页面的首次请求时strategy值传'fixedSlot'，将返回置顶、坑位配置的推荐结果。缺省则按照默认算法推荐。
clearExposure	string	是否清空曝光过滤记录	否	clearExposure=true时，会清空掉当前用户的曝光过滤记录，该用户将被允许看到之前已曝光过的item，重新开始累计曝光过滤物品。不需要时不传值即可。

通过服务端SDK获取推荐结果的常见错误

返回结果为空：

1、请求参数填错：测试场景填入：scene_id，此项必须保证上报过来的数据中有此场景id；

测试用户填入：user_id，如果填入的user_id未存在user表中，则视为新用户；

推荐物品数：要小于场景可推荐的item数量。

注意：通过服务端SDK获取推荐结果中推荐物品数最大值=50。如果是相关推荐，还需要填入item_id:item_type为请求参数，详情如下相关推荐请求参数.2、由于满足条件的可推荐的物料数过少，默认开启了曝光过滤功能后当前用户已经把当前场景的item全部刷空了（全部曝光过了）。

示例代码

package com.aliyun.airec;

import com.aliyuncs.DefaultAcsClient;
import com.aliyuncs.airec.model.v20181012.RecommendRequest;
import com.aliyuncs.airec.model.v20181012.RecommendResponse;
import com.aliyuncs.http.FormatType;
import com.aliyuncs.profile.DefaultProfile;
import com.aliyuncs.profile.IClientProfile;

public class Recommend {

    public static void main(String args[]) {
        // 阿里云账号AccessKey拥有所有API的访问权限，建议您使用RAM用户进行API访问或日常运维。
        //强烈建议不要把AccessKey ID和AccessKey Secret保存到工程代码里，否则可能导致AccessKey泄露，威胁您账号下所有资源的安全。

        //本示例以将AccessKey保存在环境变量中来实现身份验证为例。
        IClientProfile profile = DefaultProfile.getProfile("cn-hangzhou", System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID"), System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET"));
        DefaultProfile.addEndpoint("cn-hangzhou", "Airec", "airec.cn-hangzhou.aliyuncs.com");

        DefaultAcsClient client = new DefaultAcsClient(profile);

        RecommendRequest request = new RecommendRequest();

        //以下三个参数为必填参数。
        request.setInstanceId("airec-xxx");
        request.setReturnCount(10);
        request.setSceneId("场景id");

        //以下参数需要至少上报一个（imei/user_id）。
        request.setUserId("0");
        request.setImei("0");

        //如果是相关推荐场景可选使用
        //request.setItems("88:article,33:image");

        //如果需要关闭个性化推荐
        //request.setRankOpen(false);
        //request.setRecType("hot");

        request.setAcceptFormat(FormatType.JSON);

        try {
            RecommendResponse response = client.getAcsResponse(request);

            for (RecommendResponse.ResultItem item : response.getResult()) {
                System.out.println(item.getItemId());
                System.out.println(item.getItemType());
                System.out.println(item.getTraceId());
                System.out.println(item.getTraceInfo());
                System.out.println(item.getMatchInfo());
                System.out.println(item.getWeight());
                System.out.println(item.getPosition());
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

推送数据及获取推荐结果的项目demo

详见：airec推送数据+获取推荐结果demo