Artificial Intelligence Recommendation：價格說明

PAI-Rec收費見收費項1，雲資源費用參見收費項3。

收費項1：推薦業務引擎、實驗平台和報表、推薦演算法定製等服務

由於不同地區的資源價格有差異，推薦業務引擎按照地區實施差異定價。

標準版提供的功能包括：

• 推薦業務引擎

  用於根據使用者的推薦請求，串聯召回、過濾、排序、粗排、精排、冷啟動等鏈路，產生推薦結果。

• 特徵一致性校正

  通過推薦系統的線上請求，記錄建議服務中線上使用的使用者特徵、物品特徵、上下文特徵，然後對以上特徵變換之後的特徵，最後再通過模型推理得到模型得分。記錄這些特徵之後，再利用離線的特徵變換、模型打分。對比離線和線上對比分數是否一致，如果不一致再找出不一致的特徵。這樣可以儘快找出離線上不一樣的特徵，從而保證離線上特徵儲存、讀取、特徵變換的一致性。

• 實驗平台

  用於管理推薦情境召回、過濾、排序、重排參數，通過調整實驗配置參數來做分詞實驗。實驗平台包括實驗流量管理、實驗指標註冊、天級實驗報表和小時級實驗報表對比查看等功能。

進階版增加的功能包括：

• 資料診斷

  用於分析使用者特徵表、物品特徵表的分布情況，使用者行為表的轉化率、留存率、曾現率等情況。協助客戶檢查推薦情境的日誌是否有問題，便於後續推薦演算法定製中的特徵和參數配置。

• 推薦演算法定製

  包括多種召回演算法、離線統計和即時統計特徵、粗排和精排模型的配置，配置完成之後生產特徵工程、召回演算法、粗排和精排模型的代碼，Recommendation Engine的配置代碼等。

• 一鍵部署功能

  對推薦演算法定製產出的代碼、指令碼，一鍵部署到DataWorks中。並且提供補數的流程圖，協助使用者按照順序補全特徵和訓練樣本資料。

收費項2：實施交付或高階能力部署

若需要阿里側工程師進行系統搭建、演算法定製等服務，可通過商務洽談的方式進行合作。合作專案完成，需支付一定的定製人天的投入費用。

收費項3：雲資源消耗

為搭建完整的推薦系統，需要使用到MaxCompute、PAI-EAS等服務，此類服務的資源消耗，需按照雲端服務的計費規則，進行相應計費。雲資源消耗並不包含在PAI-Rec費用中。

按照DAU（日活）估計包含離線訓練和線上服務的整套推薦系統資源消耗如下（PAI-Rec進階版）：