すべてのプロダクト
Search
ドキュメントセンター

Platform For AI:ランク

最終更新日:Jul 22, 2024

推奨ソリューション-ランクを使用して、機能エンジニアリングで処理されたユーザー機能テーブル、アイテム機能テーブル、およびユーザー行動テーブルに基づいてランキングモデルをトレーニングし、ランキングモデルをオンラインサービスとして展開できます。 このトピックでは、ランキングの実装方法について説明します。

前提条件

フィーチャエンジニアリングワークフローが実行され、ランク付けのためのデータセットが生成される。 詳細については、「機能エンジニアリング」をご参照ください。

  • rec_sln_demo_user_table_preprocess_all_feature_v2

  • rec_sln_demo_item_table_preprocess_all_feature_v2

  • rec_sln_demo_behavior_table_preprocess_v2

注意事項

  1. 視覚化モデリング (デザイナー) ページに移動します。

    1. Machine Learning Platform for AI (PAI) コンソールにログインします。

    2. 左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 [ワークスペース] ページで、管理するワークスペースの名前をクリックします。

    3. 左側のナビゲーションウィンドウで、[Model TrainingVisualized Modeling (Designer)] を選択します。 視覚化モデリング (機械学習デザイナー) ページが表示されます。

  2. パイプラインを作成します。

    1. [Visualized Modeling (Designer)] ページで、[プリセットテンプレート] タブをクリックします。

    2. テンプレートリストで、[推奨ソリューション-ランク] セクションの [作成] をクリックします。

    3. [パイプラインの作成] ダイアログボックスで、次のパラメーターを設定します。 デフォルト値を使用できます。

      Pipeline Data Pathパラメーターに指定された値は、パイプラインのランタイム中に生成された一時データとモデルを格納するために使用されるObject Storage Service (OSS) バケットパスです。

    4. [OK] をクリックします。 パイプラインの作成には約10秒かかります。

    5. 次の図に示すように、キャンバス上のパイプラインのコンポーネントを表示します。 システムは、プリセットテンプレートに基づいてパイプラインを自動的に作成します。image.png

      コンポーネント番号

      説明

      1

      サンプルモデル。

      2

      FG. jsonファイルに基づいて、フィーチャ生成 (fg) を使用してサンプルモデルを処理します。

      3

      数値フィーチャの等しい周波数ビニングを使用して、モデルの境界を設定します。

      4

      列挙フィーチャの一意の値の数を使用して、モデルのembeding_dimおよびhash_bucket_sizeを設定します。

      5

      rec_sln_demo_sortingモデルの30日間のサンプルデータを離散化して、トレーニングサンプルを生成します。

      6

      rec_sln_demo_rec_sln_demo_sorting_30d_binning_v2テーブルとrec_sln_demo_rec_sln_demo_sorting_30d_count_v2テーブルの結果を要約して、フィーチャ構成情報とステップ構成情報を計算します。

      7

      コンポーネント6の計算結果に基づいて、EasyRec設定ファイルを指定します。

      説明

      このコンポーネントを1回だけ実行する必要があります。

      8

      モデルトレーニングの前に、コンポーネント7を実行してEasyRec構成ファイルを生成する必要があります。