使用FM-Embedding實現推薦召回 - Platform For AI

在推薦業務情境中，使用Designer提供的整套FM-Embedding方案可以快速獲得User和Item對應的特徵向量，您只需要在召回模組對該特徵向量進行乘積，即可得到User對Item的評分結果。本文為您介紹如何使用FM演算法和Embedding提取演算法，快速產生User和Item的特徵向量。

前提條件

已建立工作空間，詳情請參見建立工作空間。
已將MaxCompute資源關聯到工作空間，詳情請參見管理工作空間計算資源。

背景資訊

智能推薦包括召回和排序模組。召回模組中，通常使用向量分別表示User（使用者）和Item（待推薦的內容），且通過User與Item的向量乘積判斷User對Item的興趣程度。該工作流程基於真實的推薦情境資料，其完整商務程序已預置在Designer模板中，您僅通過拖拽組件即可快速產生User和Item的特徵向量。

資料集

未經處理資料包括如下欄位。

欄位名	類型	描述
userid	STRING	使用者ID。
age	DOUBLE	使用者年齡。
gender	STRING	使用者性別
itemid	STRING	商品ID。
price	DOUBLE	商品價格。
size	DOUBLE	商品大小。
label	DOUBLE	目標列，含義如下： 1.0：表示購買。 0.0：表示未購買。

工作流程的未經處理資料樣本如下。

實現推薦召回

進入Designer頁面。
1. 登入PAI控制台。
2. 在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應的工作空間。
3. 在工作空間頁面的左側導覽列選擇模型開發與訓練 > 可視化建模（Designer），進入Designer頁面。

構建工作流程。

在Designer頁面，單擊預置模板頁簽。
在模板列表，單擊使用FM-Embedding實現推薦召回下的建立。
在建立工作流程對話方塊，配置參數（可以全部使用預設參數）。
其中：工作流程資料存放區配置為OSS Bucket路徑，用於儲存工作流程運行中產出的臨時資料和模型。
單擊確定。
您需要等待大約十秒鐘，工作流程可以建立成功。

系統根據預置的模板，自動構建工作流程，如下圖所示。

推薦召回實驗

地區	描述
①	針對全量特徵的One-Hot編碼。One-hot編碼可以將字元型資料轉換為數值型，該FM-Embedding工作流程中，onehot編碼-1組件先對全量資料進行One-Hot編碼，再將產生的編碼模型輸入至onehot編碼-2和onehot編碼-3組件。
②	產生FM模型。您可以單擊該組件，在右側的參數設定頁簽，查看系統已配置的預設參數。其中維度（預設值為1,1,10）的第三個參數（預設值中的10）表示產生的Embedding維度。
③	產生User特徵編碼。該組件的輸入（選擇二值化列）為userid、gender及age，附加列為userid。
④	產生Item特徵編碼。該組件的輸入（選擇二值化列）為itemid、price及size，附加列為itemid。
⑤	提取Item-Embedding。該組件的參數含義如下： Embedding向量的id列名：FM訓練中的模型feature_id。 Embedding向量列名：FM訓練中的模型feature_weights。權重向量列名：One-Hot編碼對應的稀疏化資料列。輸出結果列名：輸出的Embedding欄位名。

運行工作流程並查看輸出結果。
1. 單擊畫布上方的按鈕。
2. 工作流程運行結束後，按右鍵畫布中的Embedding提取-1，在捷徑功能表，單擊查看資料 > 輸出，即可查看User特徵向量。
3. 按右鍵畫布中的Embedding提取-2，在捷徑功能表，單擊查看資料 > 輸出，即可查看Item特徵向量。