文档

定制排序模型特征配置规范

更新时间:

本篇文档主要介绍定制排序模型的特征类型配置属性,不同特征配置有相应限制,以下是对应规范和限制。

介绍

本篇文档主要介绍定制排序模型的特征类型配置属性,不同特征配置有相应限制,以下是对应规范和限制。

公共属性

字段名

是否必选

含义

feature_name

feature_name会被当作最终输出的feature的前缀

feature_type

即下文中的类型

id_feature(离散ID特征)

id feature是一个sparse feature,是一种最简单的离散特征,只是简单的将某个字段的值与用户配置的feature名字拼接。适用字符串和整型数据

raw_feature(原始数值特征)

-raw feature是一种dense的feature,是直接引用原始feature的字段值作为feature的value。适用于浮点型和整型。

-embedding等输入可以设置value_dimension,数值用不可见字符ascii(29)分割拼接成字符串。

参数名

是否必须

类型

示例值

描述

value_dimension

int

128

输出的字段的维度,默认为1

combo_feature(组合交叉特征)

适用于字符串和整型特征的组合,不要尝试对浮点值特征作为输入。

combo feature是多个字段(或表达式)的组合(即笛卡尔积),id feature可以看成是一种特殊的combo feature,即参与交叉字段只有一个的combo feature。一般来讲,参与交叉的各个字段来自不同的表(比如user特征和item特征进行交叉)。

lookup_feature(匹配查找特征)

lookup feature 依赖 map 和 key 两个字段,map是一个多值string(MultiString)类型的字段,其中每一个string的样子如"k1:v2"。;key可以是一个任意类型的字段。生成特征时,先是取出key的值,将其转换成string类型,然后在map字段所持有的kv对中进行匹配,获取最终的特征。item的多值用多值分隔符ascii(29)分隔。

参数名

是否必须

类型

示例值

取值范围

描述

map

string

如系统内置基础特征:"system_query_ctr_decay"

多值string类型的字段,其中每一个string形如"k1:v2"

key

string

如系统内置基础特征:"system_raw_q_ultra"

任意类型的字段,生成特征时转换为string,从map中匹配

combiner

string

  • sum

  • mean

  • max

  • min

存在多个相同key时,通过combiner组合多个查到的值,默认为sum

overlap_feature(匹配重叠特征)

用来输出一些字符串字词匹配信息的feature

参数名

是否必须

类型

示例值

取值范围

描述

query

string

"user:attr1"

多值string类型的字段,分隔符使用'\u001d'(ascii(29))

title

string

"item:attr2"

多值string类型的字段,分隔符使用'\u001d'(ascii(29))

method

string

  • common_word

  • diff_word

  • query_common_ratio

  • title_common_ratio

  • is_contain

  • is_equal

  • common_word:计算query与title间重复term

  • diff_word:计算query与title间不重复term

  • query_common_ratio:计算query与title间重复term数占query中term比例

  • title_common_ratio:计算query与title间重复term数占title中term比例

  • is_contain:计算query是否全部包含在title中

  • is_equal:计算query是否与title完全相同

示例

queryhigh,high2,fiberglass,abc

titlehigh,quality,fiberglass,tube,for,golf,bag

method

separator

feature

common_word

high_fiberglass

diff_word

" "

high2 abc

query_common_ratio

5

title_common_ratio

28

is_contain

0

is_equal

0

特征生成

除了基础特征,模型训练实际用的特征会更加复杂,比如交叉多个基础特征生成新的训练特征,即特征生成过程。目前对排序模型而言,按照特征生成(FeatureGenerate)规则进行配置,即可得到需要的训练特征,如图所示:

image.png

FG规则:

image.png

  • 本页导读 (0)
文档反馈