全部产品
云市场

内容型

更新时间:2019-09-05 10:01:57

数据描述

对于内容型行业的场景,我们需要准备3张数据表

  1. 内容表(item):最近场景内全部可以被推荐的内容的全量表。由于item数量受quota限制,建议您上传前做去重处理。item_id|item_type唯一。
  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。user_id唯一。
  3. 行为表(behavior):最近一段时间场景的行为数据。我们建议您提供一到两周的数据。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(大约两周)内,模型的效果会不太理想,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,这些选填字段越多越准确,模型的效果越好。但是缺失部分选填字段也不会使服务不可用。

表结构

item

字段名 字段类型 是否必需 字段含义 字段值枚举 字段值说明 字段值示例
item_id string 必需 内容唯一标识ID 用户自填 item_id+item_type作为一条数据的唯一标识 34513
item_type string 必需 内容的类型 image
article
video
shortvideo
item
recipe
audio
(如当前类型不满足,请联系技术人员沟通解决方案)
必须与示例中的类型相匹配,否则会混排失效 article
status string 必需 物品状态是否可推荐 0
1
1:可推荐,
0:不可推荐
(用于实时干预)
1
duration string 视频类型必填,其它推荐 时长,秒 用户自填 视频总时长 1000
title string 推荐 内容标题 用户自填 用于语义层面深入分析,置空会损失部分算法效果,建议填写 数字时代是最大机遇
scene_id string 推荐 物品可被投放的子场景ID 用户自填 1、英文逗号分隔的若干场景ID
2、场景ID中不能含有英文冒号
3、场景ID不能为-102(内部预留值)
4、当推荐不分子场景时,该字段置空。
(用于不同投放页面,使用方式
1001,1002
weight string 推荐 item加权权重1-100 用户自填 1、置空后,默认值为1,不可全部为0
2、设置了高权重的物品,会有更高的概率优先推荐出来
1
pub_time string 推荐 发布时间的时间戳,单位s 用户自填 对有时效性需求的用户,必填。(用于新品的推荐策略 1520327038
expire_time string 推荐 内容失效时间戳,单位s 用户自填 1、当前服务器时间大于该字段时,item将不被继续推荐。
2、如果所有数据均失效,服务无法启动。
3、置为空代表永不失效
1520327038
pub_time string 推荐 发布时间的时间戳,单位s 用户自填 对有时效性需求的用户,必填。(用于新品的推荐策略 1520327038
last_modify_time string 推荐 内容信息的最后修改时间戳,单位s 用户自填 如果用户对已经发布了的商品做了较大的更新,又有时效性的需求,可以更新此字段。同pub time功能类似,共同作用于新品链路。 1520327038
category_level string 推荐 类目层级数,例如3级类目 用户自填 如果和category_path数据不匹配,会影响打散功能 3
category_path string 推荐 类目路径,下划线联接 用户自填 1、类目路径,支持多级类目,用下划线联接
2、不可出现英文逗号,英文冒号
(用于打散策略
12_1024_56
tags string 推荐 标签,多个标签使用英文逗号分隔 用户自填 1、主要用于描述物品的特征,由业务方自行运营物品的标签库
2、算法模型会基于标签进行特征分析,根据行为训练用户热点分布。
3、标签池总个数不能超过50000
数字化,人工智能,AI
author string 推荐 作者表,多个标签使用英文逗号分隔 用户自填
content string 可选 内容正文 用户自填 通常为正文关键片段,最长5000个中英文字符,主要用于语义分析 北京时间6月10日晚,联合国发布全球数字经济未来发展纲领性报告——《数字相互依存的时代——联合国数字合作高级别小组报告》。联合国数字合作高级别小组联合主席马云表示:“我相信数字时代是我们面临的最大机遇。我相信这个新时代的最大风险是错失机会的风险。”
channel string 可选 频道,多个标签使用英文逗号分隔 用户自填
organization string 可选 机构列表,多个标签使用英文逗号分隔 用户自填
pv_cnt string 可选 一个月内曝光次数 用户自填 启动时,如果当前场景行为数据比较稀疏,可以将平台其他场景的行为统计数据放入这些字段,不要求实时性。模型稳定后,如果维护这些字段成本较高,可以低优先级处理 100000
click_cnt string 可选 一个月内点击次数 用户自填 不要求实时性,优先级可以放低 1000
like_cnt string 可选 一个月内点赞次数 用户自填 不要求实时性,优先级可以放低 100
unlike_cnt string 可选 一个月内踩次数 用户自填 不要求实时性,优先级可以放低 100
comment_cnt string 可选 一个月内评论次数 用户自填 不要求实时性,优先级可以放低 100
collect_cnt string 可选 一个月内收藏次数 用户自填 不要求实时性,优先级可以放低 100
share_cnt string 可选 一个月内分享次数 用户自填 不要求实时性,优先级可以放低 100
download_cnt string 可选 一个月内下载次数 用户自填 不要求实时性,优先级可以放低 100
tip_cnt string 可选 一个月内打赏数 用户自填 不要求实时性,优先级可以放低 100
subscribe_cnt string 可选 一个月内关注数 用户自填 不要求实时性,优先级可以放低 100
source_id string 可选 物料经由哪个平台进入场景 用户自填 比如天猫,淘宝等,这个字段可以是平台的id,例如淘宝1,天猫2 1
country string 可选 国家编码 用户自填 ISO3166-1alpha-3 编码 “CHN”(中国)
city string 可选 城市名称 用户自填 杭州、上海
features string 可选 物料特征 用户自填 英文逗号分隔的物料特征;该特征是描述性的
num_features string 可选 物料特征 用户自填 英文逗号分隔的数值型物料特征;必须保证所有物料的该字段逗号个数一致,且字段对齐

user

字段名 字段类型 是否必需 字段含义 字段值枚举 字段值说明 字段值示例
user_id string 必需 用户唯一ID 用户自填 1、注册用户必填
2、user_id + user_id_type作为一条数据唯一标识
1234567
user_id_type string 必需 用户注册类型 1
2
3
4
1:app注册账号,2:手机号,3:微信号,4:其它 2
imei string 推荐 安卓:MD5(imei),IOS:MD5(idfa) 用户自填 1、非注册用户必填
2、按照指定要求,mac地址,设备号等无效,会无法使用内部用户画像信息,仅保留曝光过滤功能
3、32位MD5值
e2fcdb0f4dce45e35fe2823d797333ec
third_user_name string 推荐 第三方用户名称 用户自填 jack
third_user_type string 推荐 第三方平台名称 用户自填 wechat
phone_md5 string 推荐 用户手机号的md5值 用户自填 d41d8cd98f00b204e9800998ecf8427e
gender string 推荐 性别 male
female
unknown
male
age string 推荐 年龄 用户自填 22
age_group string 推荐 年龄段 用户自填 20-25
country string 推荐 国家编码 用户自填 ISO3166-1 alpha-3 编码 “CHN”(中国)
city string 推荐 城市名称 用户自填 杭州、上海
ip string 推荐 最后登录IP 用户自填 202.113.34.16
device_model string 推荐 设备型号 用户自填 iphoneX
tags string 推荐 用户tags,多个tag使用英文逗号分隔 用户自填 对用户的标签描述 足球,健身,户外
source string 推荐 用户来源 用户自填 今日头条引流
content string 可选 用户描述 用户自填
register_time string 可选 注册时间戳,单位s 用户自填 1520007038
last_login_time string 可选 上次登录时间戳,单位s 用户自填 1520017038
last_modify_time string 可选 用户信息的最后修改时间戳,单位s 用户自填 1520327038
features string 可选 用户特征 用户自填 英文逗号分隔的用户描述性特征,比如画像等
num_features string 可选 用户特征 用户自填 英文逗号分隔的数值型用户特征;必须保证所有物料的该字段逗号个数一致,且字段对齐

behavior

字段名 字段类型 是否必需 字段含义 字段值枚举 字段值说明 字段值示例
item_id string 必需 内容ID 用户自填 需要与item表中的item_id想匹配 34513
item_type string 必需 内容的类型 image
article
video
shortvideo
item
recipe
audio
需要与item表中的item_type想匹配 image
bhv_type string 必需 行为类型,例如曝光、停留、点击、收藏、下载等 expose
click
正利数据click的条数需要小于负利数据expose的条数,否则系统会判断数据异常,无法启动服务 expose
trace_id string 必需 请求追踪/埋点ID。用于在AB实验时区分 调用了阿里推荐引擎 Alibaba
selfhold
1、调用了阿里推荐引擎而产生的行为数据,填Alibaba;没有调用阿里推荐引擎而产生的行为数据,填selfhold
2、主要用于控制台报表分析,效果对比
Alibaba
trace_info string 必需 请求埋点信息。一次推荐接口调用时会返回该信息,日志记录时带上即可 用户自填 1、阿里流量必需,其它流量置空
2、智能推荐的查询接口返回中,会有trace_info字段,原样返回即可
阿里流量必需
bhv_time string 必需 行为发生的时间戳,单位s 用户自填 用户实际产生行为的时间 1520327038
scene_id string 推荐 场景ID 用户自填 1、用户产生行为的场景,在对应的item的场景ID中,单值
2、无场景区分需求,默认填1或置空
1001
bhv_value string 推荐 行为详情,例如点击次数,停留时长,购买件数等 用户自填 1、点击行为填1即可
2、曝光行为视业务需求,也可不填
3、其它行为类型请联系技术开发
500
user_id string 推荐 用户ID 用户自填 1、注册用户需要与user表中相匹配
2、未登录用户访问可不填
1234567
platform string 可选 客户端平台。 用户自填 ios/andriod/h5 ios
imei string 可选 用户设备ID,imei,device_id,idfa 用户自填 QLKDJSFALKDSAJLK
app_version string 可选 app的版本号 用户自填 4.1.10
net_type string 可选 网络型号 用户自填 2G/3G/4G/WIFI 4G
ip string 可选 客户端IP信息 用户自填 234.45.13.14
login string 可选 是否登录用户 0
1
0:未登录
1:登录
1
report_src string 可选 上报来源类型 1
2
1:服务端,2:客户端。 2
device_model string 可选 设备型号 用户自填 iphoneX
longitude string 可选 位置经度 用户自填 128.4
latitude string 可选 位置纬度 用户自填 78.1
module_id string 可选 模块ID 用户自填 114
page_id string 可选 页面ID 用户自填 4
position string 可选 内容所在的位置信息 用户自填 5

behavior type

expose 曝光
click 点击
like 点赞
unlike
comment 评论
collect 收藏
stay 停留时长
share 分享
download 下载
tip 打赏
subscribe 关注