推荐召回示例

使用限制

操作流程

步骤一：生成训练数据

1. 进入PAI-Studio项目空间。
   1. 登录PAI控制台。
   2. 在左侧导航栏，选择模型开发和训练 > 可视化建模（Studio）。
   3. 在页面左上方，选择使用服务的地域。
   4. 可选：在PAI可视化建模页面的搜索框，输入项目名称，搜索项目。
   5. 单击待打开的项目操作列下的进入机器学习。
2. 在左侧导航栏，单击首页。
3. 在【推荐算法】商品推荐区域，单击从模板创建。
4. 在画布中，保留如下组件，删除多余组件。cf_训练_data为user-item对应数据，协同过滤组件为Item-item对应数据。
5. 单击协同过滤组件，在右侧参数设置页签，配置TopN为5（对于每个item返回5个相关item）。
6. 在左侧导航栏，单击组件。
7. 在组件列表，将源/目标下的写数据表组件两次拖入画布，并分别重命名为user_item_data和item_item_data。
8. 将cf训练_data组件的输出与user_item_data连接，将协同过滤组件的输出与item_item_data相连。
9. 单击画布上方的运行。

步骤二：将数据导入至OTS

PAI-Studio生成的数据存储在MaxCompute，需要将该数据导入至OTS，才能供通用模型插件使用。

1. 创建OTS数据表，详情请参见创建数据表。
   创建user-item和item-item表，表字段和主键名必须满足要求，详情请参见使用限制。user-item表的示例如下。
2. 使用DataWorks将数据导入至OTS。
   1. 创建OTS数据源，详情请参见配置OTS数据源。
   2. 创建离线同步节点，详情请参见创建离线同步节点。
   3. 配置数据来源和数据去向，详情请参见通过向导模式配置任务。
      因为OTS数据源不支持向导模式，所以需要单击点击转换为脚本，使用脚本导入。

      {
          "type": "job",
          "steps": [
              {
                  "stepType": "odps",
                  "parameter": {
                      "partition": [],
                      "datasource": "odps_first",
                      "column": [
                          "user_id", //MaxCompute表的列名。
                          "item_id"  //MaxCompute表的列名。
                      ],
                      "table": "user_item_data" //MaxCompute表名。
                  },
                  "name": "Reader",
                  "category": "reader"
              },
              {
                  "stepType": "ots",
                  "parameter": {
                      "datasource": "otc_data", //在数据集成配置的OTS资源名。
                      "column": [
                          {
                              "name": "item_ids",  //OTS字段名。
                              "type": "STRING"
                          }
                      ],
                      "writeMode": "UpdateRow",
                      "table": "user_item",//OTS表名。
                      "primaryKey": [
                          {
                              "name": "user_id",  //OTS主键名。
                              "type": "STRING"
                          }
                      ]
                  },
                  "name": "Writer",
                  "category": "writer"
              }
          ],
          "version": "2.0",
          "order": {
              "hops": [
                  {
                      "from": "Reader",
                      "to": "Writer"
                  }
              ]
          },
          "setting": {
              "errorLimit": {
                  "record": ""
              },
              "speed": {
                  "throttle": false,
                  "concurrent": 2
              }
          }
      }

      说明 使用上述示例时，需要删除注释。
3. 查看OTS数据导入情况。
   1. 登录表格存储控制台。
   2. 在概览页面，单击实例名称或操作列下的实例管理。
   3. 在实例详情页签的数据表列表区域，单击目标数据表的表名。
   4. 在表管理页面，单击数据管理页签，即可查看已导入的数据。
      由于PAI-Studio生成的数据是空格分隔（如下图similarity），而通用模型插件支持的数据是半角逗号（,）分隔。所以导入数据时，需要先使用DataWorks的SQL工具对数据进行预处理，再导入至OTS。

步骤三：创建实例

1. 进入通用模型训练页面。
   1. 登录PAI控制台。
   2. 在左侧导航栏，选择AI行业插件 > 通用模型训练。
2. 在通用模型训练页面，单击创建实例。
3. 在创建实例页面，配置参数。

   参数	描述
   实例类型	选择实例类型为推荐召回。系统支持以下实例类型： 图片分类 推荐召回
   实例名称	输入test。
   实例说明	输入结合PAI-Studio的推荐算法进行召回。
   储存依赖	使用推荐召回服务，需要将训练数据存储到阿里云表格存储OTS（Tablestore）中，详情请参见OTS创建数据表。如果没有进行OTS授权，则单击下方的授权。
   实例绑定	选择一个已创建的OTS实例。

4. 单击确认。

步骤四：配置召回策略

1. 在通用模型训练页面，单击目标推荐召回实例操作列下的打开。
2. 在协同过滤召回页签，配置参数。

   参数	描述
   策略名称	输入pai_rec。
   User-Item数据表	选择OTS中对应的user-item表。
   Item-Item数据表	选择OTS中对应的item-item表。
   召回数量	输入100。

3. 单击添加到策略列表。
4. 单击下一步。

步骤五：测试并部署模型

1. 在数据过滤策略配置页面，单击部署并测试。
2. 在部署确认对话框，确认召回策略和过滤策略，并单击确认。
3. 在测试模块区域，输入测试数据中的某UserID，并在召回结果数量文本框输入10。
4. 单击发送测试请求。
5. 在调试信息区域，查看返回的推荐内容。如果对模型结果满意，单击前往EAS部署，将服务部署到PAI-EAS，形成RESTful请求。关于如何将服务部署至PAI-EAS，请参见控制台上传部署。