新闻行业

数据描述

对于新闻型行业的场景，需要准备3张数据表。

1. 内容表（item）：最近场景内全部可以被推荐的新闻的全量表。由于item数量受quota限制，建议您上传前做去重处理。item_id与item_type二者同时唯一确定一条item。
2. 用户表（user）：最近系统的全部注册用户表。由于user数量受quota限制，建议您上传前做去重处理。根据您内部的用户标记方法，可以选择方案一均通过imei唯一确认一名用户，方案二通过user_id和imei组合确认一名用户（如登录用户使用user_id唯一标记，未登录用户使用imei唯一标记）。请务必确认用户的唯一性并在请求推荐结果时指定用户的唯一标识信息，否则将无法进行千人千面的推荐。
3. 行为表（behavior）：最近一段时间场景的行为数据。我们建议您提供1-2周的数据。如果是全新场景，没有历史数据；或者因为技术原因无法提供行为数据，可以使用我们提供的测试数据，但是在开始一段时间（大约2周）内，模型的效果可能会不太理想，但随着数据的积累，会逐渐上升并最终稳定。

对于这三张表的选填字段，我们建议您尽量上传。在保证选填字段有效性的条件下，这些选填字段越多越准确，模型的效果越好。未填写部分系统内部将渲染成默认值。

表结构

下述表结构中，
是否必填=”必填”的字段必须要上报到智能推荐，每个必填字段影响较大，其字段具体作用请详细阅读”字段值说明”。

item

user

behavior

behavior type

建表语句

如使用MaxCompute服务进行启动数据上报，可参考如下的建表语句：

---创建新闻型的行为表
DROP TABLE IF EXISTS behavior_table;
CREATE TABLE IF NOT EXISTS `behavior_table`
(
    trace_id STRING COMMENT "请求追踪/埋点ID"
    ,trace_info STRING COMMENT "请求埋点信息"
    ,platform STRING COMMENT "客户端平台"
    ,device_model STRING COMMENT "设备型号"
    ,imei STRING COMMENT "设备ID"
    ,app_version STRING COMMENT "app的版本号"
    ,net_type STRING COMMENT "网络型号"
    ,longitude STRING COMMENT "位置经度"
    ,latitude STRING COMMENT "位置纬度"
    ,ip STRING COMMENT "客户端IP信息"
    ,login STRING COMMENT "是否登录用户"
    ,report_src STRING COMMENT "上报来源类型"
    ,scene_id STRING COMMENT "场景ID"
    ,user_id STRING COMMENT "用户ID"
    ,item_id STRING COMMENT "内容ID"
    ,item_type STRING COMMENT "新闻的类型"
    ,module_id STRING COMMENT "模块ID"
    ,page_id STRING COMMENT "页面ID"
    ,position STRING COMMENT "新闻所在的位置信息"
    ,bhv_type STRING COMMENT "行为类型"
    ,bhv_value STRING COMMENT "行为详情"
    ,bhv_time STRING COMMENT "行为发生的时间戳"
)
PARTITIONED BY 
(
    ds STRING
)
LIFECYCLE 30
;
---创建新闻型的用户表
DROP TABLE IF EXISTS user_table;
CREATE TABLE IF NOT EXISTS `user_table`
(
    user_id STRING COMMENT "用户唯一ID"
    ,user_id_type STRING COMMENT "用户注册类型"
    ,third_user_name STRING COMMENT "第三方用户名称"
    ,third_user_type STRING COMMENT "第三方平台名称"
    ,phone_md5 STRING COMMENT "用户手机号的md5值"
    ,imei STRING COMMENT "用户设备ID"
    ,content STRING COMMENT "用户内容"
    ,gender STRING COMMENT "性别"
    ,age STRING COMMENT "年龄"
    ,age_group STRING COMMENT "年龄段"
    ,country STRING COMMENT "国家"
    ,city STRING COMMENT "城市"
    ,ip STRING COMMENT "最后登录IP"
    ,device_model STRING COMMENT "设备型号"
    ,register_time STRING COMMENT "注册时间戳"
    ,last_login_time STRING COMMENT "上次登录时间戳"
    ,last_modify_time STRING COMMENT "用户信息的最后修改时间戳"
    ,tags STRING COMMENT "用户tags"
    ,source STRING COMMENT "用户来源"
    ,features STRING COMMENT "附加用户特征（字符串型）"
    ,num_features STRING COMMENT "附加用户特征（数值型）"
)
PARTITIONED BY 
(
    ds STRING
)
LIFECYCLE 30
;
---创建新闻型的itme表
DROP TABLE IF EXISTS item_table;
CREATE TABLE IF NOT EXISTS `item_table`
(
    item_id STRING COMMENT '内容唯一标识ID'
    ,item_type STRING COMMENT '内容的类型'
    ,title STRING COMMENT '内容标题'
    ,content STRING COMMENT '内容正文'
    ,user_id STRING COMMENT '发布用户ID'
    ,pub_time STRING COMMENT '发布时间'
    ,status STRING COMMENT '是否可推荐'
    ,expire_time STRING COMMENT '内容失效时间戳，单位s'
    ,last_modify_time STRING COMMENT '内容信息的最后修改时间戳，单位s'
    ,scene_id STRING COMMENT '场景ID'
    ,duration STRING COMMENT '时长，秒'
    ,category_level STRING COMMENT '类目层级数，例如3级类目'
    ,category_path STRING COMMENT '类目路径，下划线联接'
    ,tags STRING COMMENT '标签，多个标签使用英文逗号分隔'
    ,channel STRING COMMENT '频道，多个标签使用英文逗号分隔'
    ,organization STRING COMMENT '机构列表，多个标签使用英文逗号分隔'
    ,author STRING COMMENT '作者列表，多个标签使用英文逗号分隔'
    ,pv_cnt STRING COMMENT '一个月内曝光次数'
    ,click_cnt STRING COMMENT '一个月内点击次数'
    ,like_cnt STRING COMMENT '一个月内点赞次数'
    ,unlike_cnt STRING COMMENT '一个月内踩次数'
    ,comment_cnt STRING COMMENT '一个月内评论次数'
    ,collect_cnt STRING COMMENT '一个月内收藏次数'
    ,share_cnt STRING COMMENT '一个月内分享次数'
    ,download_cnt STRING COMMENT '一个月内下载次数'
    ,tip_cnt STRING COMMENT '一个月内打赏数'
    ,subscribe_cnt STRING COMMENT '一个月内关注数'
    ,source_id STRING COMMENT '物料经由哪个平台进入场景'
    ,country STRING COMMENT '国家编码'
    ,city STRING COMMENT '城市名称'
    ,features STRING COMMENT '物料离散特征'
    ,num_features STRING COMMENT '物料连续特征'
    ,weight STRING COMMENT 'item加权'
)
PARTITIONED BY
(
    ds STRING
)
LIFECYCLE 30
;