【大数据】搭建个性化推荐引擎系统

什么是RecEng：

推荐引擎（ Recommendation Engine，简称RecEng ）是在阿里云计算环境下建立的一套推荐服务框架，用于实时预测用户对物品偏好，支持您定制推荐算法，支持 A/B Test 效果对比。 阿里云推荐引擎，以数据驱动业务，通过人工智能实现1对1营销，为您的顾客提供量身定做的服务，帮助企业快速创新。同时能够为您的企业降低运营成本，提高顾客对企业的满意度和忠诚度，提升企业的业务目标。

课程详细内容：

本认证系统的讲解了推荐系统的概念、应用、算法原理，并详细介绍了阿里的推荐引擎产品RecEng，最后通过一个微项目让学员亲自动手搭建一个推荐系统。

整个过程分为数据上传、数据预处理、推荐系统设置、测试上线四个部分，学员可参考本实验，结合企业自身业务和需求，将所学应用到实践中去。

通过本案例，学员可了解推荐系统的概念、应用、算法原理以及阿里的推荐引擎产品RecEng的使用方法。通过动手实践，学员可以独立使用推荐引擎产品RecEng快速搭建企业推荐系统。

推荐引擎基本概念：

• 客户/租户（org/tenant）

指RecEng的使用者，系统中由其阿里云账号代表。通常客户是一个组织，RecEng中常用org表示客户。

• 用户（user）

指客户的用户，即RecEng使用者的用户。推荐是一个2C的服务，使用推荐服务的客户必然有其自己的用户，RecEng使用者的用户简称为“用户”，系统中常用user表示用户。

• 物品（item）

指被推荐给用户的内容，可以是商品，也可以是歌曲，视频等其他内容，系统中常用item表示物品。

• 业务（biz）

业务针对数据集定义，定义了算法所能使用的数据范围。一个客户在RecEng上可以有多个业务，不同的业务必然有不同的数据集。RecEng要求每个业务提供四类数据（不要求全部提供）：用户数据，物品数据，用户行为数据，推荐效果数据。每一组这样的数据就构成一个业务。系统中常用biz表示业务。

比如某客户A有两类被推荐的物品，分别是视频和歌曲，于是客户A可以在RecEng上建立两个业务M和N，其中M的物品数据为视频，N的物品数据为歌曲，其他的数据（指用户数据，用户行为数据等）可以都相同。在这种方案下，业务M和N的数据是独立的，即业务M虽然能看到用户对于歌曲的行为，但是业务M中不包含歌曲的物品数据，所以会丢弃用户对于歌曲的行为；如果业务M中某用户只对歌曲有行为，对视频没有行为，业务M也会丢弃这类用户。反之对业务N亦然。

一个业务最好只推荐一类物品。多类物品的推荐在后续的行业模板会有支持，需要引入板块(plate)的概念，一份业务数据可以生成多个板块的数据集，场景绑定某个板块进行推荐算法计算。

• 场景（scn）

场景指的是推荐的上下文，每个场景都会输出一个API，场景由推荐时可用的参数决定。有两种场景最为常见，分别是首页推荐场景和详情页推荐场景。顾名思义，在执行首页推荐时，可用的参数只有用户信息；而在执行详情页推荐时，可用的参数除了用户信息，还包括当前详情页上所展示的物品信息。系统中常用scn表示场景。

一个业务可以包含多个场景，即对于某个业务A，它包含多个首页场景也是完全可以的。

事实上，回到场景的原始定义，场景只是由推荐的上下文决定，客户完全可以根据自己的需求建立全新的场景，比如针对搜索关键词的推荐场景，这时可用的参数除了用户信息，还有用户所输入的关键词。

• 流程（flow）

算法流程指数据端到端的处理流程，一部分流程属于业务范畴，如数据导入流程，效果计算流程，数据质量分计算流程；一部分属于场景，比如场景算法流程。从数据源类型和产出来划分，又分为离线流程，近线流程，在线流程

1. 离线流程

一般情况下，离线流程的输入和输出都是MaxCompute（原ODPS）表，所以离线数据规范其实上是一组MaxCompute表的格式规范，包括接入数据、中间数据和输出数据三类数据的格式规范。接入数据指客户离线提供的用户、物品、日志等数据，中间数据是在离线算法流程中产生的各种中间性质的结果数据表，输出数据是指推荐结果数据表，该结果最终将会被导入到在线存储中，供在线计算模块使用。

2. 近线流程

推荐引擎的的近线流程主要处理用户行为发生变化、推荐物品发生更新时，对离线推荐结果进行更新。不像离线算法，天然以MaxCompute（原ODPS）表作为输入和输出，近线程序的输入数据可以来自多个数据源，如在线的表格存储（原OTS），以及用户的API请求，又或者是程序中的变量；输出可以是程序变量，或者写回在线存储，或者返回给用户。出于安全性考虑，推荐引擎提供了一组SDK供客户自定义在线代码读写在线存储（Table Store），不允许直接访问，所以需要定义每类在线存储的别名和格式。对于需要频繁使用的在线数据，无论其来自在线存储还是用户的API请求，RecEng会预先读好，保存在在线程序的变量中，客户自定义代码可以直接读写这些变量中的数据。

3. 在线流程

推荐引擎的的在线流程负责的任务是推荐API接收到API请求时，实时对离线和近线修正产生的推荐结果进行过滤、排重、补足等处理；后者主要处理用户行为发生变化、推荐物品发生更新时，对离线推荐结果进行更新

一个场景只包含一个离线流程和一个近线流程，可以包含多个在线流程，用于支持A/BTest。

• 算法策略（Algorithm Strategy）

算法策略定义了一套离线/近线流程。并且透出相关的算法参数，帮助客户构建自己的算法流程。一个场景可以配置多个算法策略，最终会合并执行，产出一系列推荐候选集和过滤集，在线流程通过引用这些候选集来完成个性化推荐。

• 作业/任务（task）

作业指运行中的离线流程实例，作业和离线流程的关系完全等同于进程和程序的关系。每个作业都是不可重入的，即对每个离线流程，同一时间只允许运行一份实例。作业直接存在上下游关系，如果上游作业失败，下游任务也会被取消。

阿里云开发者社区全面升级，一站式体验，用得更爽：（阿里云开发者社区首页）