如何通过实验平台AB测试自定义排序模型的效果_智能推荐 AIRec(AIRec)-阿里云帮助中心

注意：此项功能需要开通高级功能相关资源支持，包括但不限于MaxCompute、PAI、DataWorks等，

如上服务将用于高级版自定义召回模型的搭建、表存储、计算等。

一、创建AI工作空间

需要先开通MaxCompute，开通成功后请按照此链接配置：创建AI工作空间。

在画布左上角的“商品推荐排序模型”，右键从模板创建。

会生成一个新的实验，点击DeepFM组件，需要配置模型和相关日志的输出路径，需要用户开通并且在相应区域购买oss。

OSS Bucket路径指的是工作根目录路径，用来存储训练相关的描述问题。

模型路径用来存储生成的模型。

配置完成后点击运行按钮。运行完毕后，右键该节点，点击查看排序模型：

这里会显示模型的输出bucket以及运行完成时间。

回到控制台，进入模型服务页面。

点击模型上传部署，processor填写TensorFlow1.12，类型选择CPU，模型文件选择OSS文件路径。

因为该案例会生成多个模型checkpoint，最终部署需要使用的是savemodel格式文件，该文件路径为：export/final下的文件夹。

部署完成后生成模型服务，即可直接调用。

更多详情请见：EAS模型在线服务。

在“排序模型与服务”下“排序模型部署”内点击“注册排序服务”。

输入如图所示的信息。

提交后即可在控制台的模型服务管理处查看注册好的排序服务。

注册成功后，您可以点击更多进行服务地址连通性测试。

在注册好排序服务后，就可以在创建实验时选择已注册的排序模型。

注意：第一期智能只能替代为自定义排序规则，不支持同时应用两个排序模型。

在您获取推荐结果时，传入UserInfo参数即可针对请求user_id的用户特征进行个性化推荐。

GET /recommend?_appid=<instanceId>&SceneId=<sceneId>&ReturnCount=<returnCount>&...

参数	是否必填	描述	备注
_appid	是	阿里云实例ID。	例：airec-cn-npk1yhx90003。
SceneId	是	您的场景ID。
ReturnCount	是	请求返回的推荐结果条目数。	最大值=50。
UserId	可选	请求推荐的用户ID。
Imei	可选	请求推荐的设备ID。
Ip	可选	请求推荐的设备地址。
UtdiId	可选	请求推荐的用户唯一标识。若填入此参数，则UserId、Imei、Ip都会被忽略。
ServiceType	可选	请求的推荐类型	gul：猜你喜欢 rr：相关推荐若未填入，则使用请求的场景所配置的推荐类型。
UserInfo	可选	请求的用户特征，仅当使用自定义EasyRec排序模型时有效。

UserInfo的使用详细说明：

格式如下：

1、首先准备形如feaname1:feavalue1,feaname2:feavalue2的特征KV串，其中：

key值包含的空格会被后端直接忽略。

value值中禁止包含：“、”及“,”。

2、将此字符串进行UTF-8编码。

3、将前步得到的二进制数据进行base64加密。

4、将前步得到的加密字符串进行以下处理：

所得加密字符串填入UserInfo参数。

正确编码举例（可用于验证编码逻辑是否正确）：

假设原KV串为：gender:female,name:远方不败,city:北京海淀

UTF-8编码后，二进制串为：

67 65 6e 64 65 72 3a 66 65 6d 61 6c 65 2c 6e 61 6d 65 3a e8 bf 9c e6 96 b9 e4 b8 8d e8 b4 a5 2c 63 69 74 79 3a e5 8c 97 e4 ba ac 20 e6 b5 b7 e6 b7 80

base64编码后，加密字符串为：

Z2VuZGVyOmZlbWFsZSxuYW1lOui/nOaWueS4jei0pSxjaXR5OuWMl+S6rCDmtbfmt4A=

进行字符替换后，最终得到的字符串为：

Z2VuZGVyOmZlbWFsZSxuYW1lOui_nOaWueS4jei0pSxjaXR5OuWMl-S6rCDmtbfmt4A.

参数	是否必填	描述	备注
token	必填	调试参数令牌	必须填入token=airec6666才允许输入调试参数，否则下述所有调试参数会被忽略。
debug	可选	调试开关	必须填入debug=true才会返回debug_result。
ExperimentId	可选	指定实验ID	例：ExperimentId=123056。