行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

云上企业级推荐系统实践 (6)

信息技术 2023-07-13 DataFunSummit2023：数据科学在线峰会胡冠群

推荐系统架构与产品：根据推荐系统设计原理，划分为建模、推理、预测、实验等模块。以新闻推荐为例，客户可使用阿里云的PAI-Rec产品进行推荐系统开发。
算法定制与开发流程：推荐算法定制可加快特征工程和排序模型的创建，其开发流程包括自定义EASProcessor、特征一致性和在线推理优化等环节。案例“猜你喜欢”展示了协同召回、向量召回和多目标排序的应用。
EasyRec算法框架：与EasyRec算法框架深度融合，支持20+种行业经典模型，具备多数据源对接、大规模分布式训练、自动超参搜索、知识蒸馏等高级功能。
Deep Bayesian Multi-Target Learning (DBMTL)：应用于直播、视频、内容、电商推荐等场景，DBMTL-CMBF增加了图像文本特征。HPO-EasyRec-客户在YB数据集上（Train: 1.8亿+, Validation: 600w+）进行实验，用户成本37h*5（5组并发），单次实验5h，EarlyStop加速效果显著，在线人均播放时长v4日均提升1.33%，离线效果提升1.91%（begin）和2.11%（finetune）。
典型案例介绍：
- 音乐App：通过算法服务接入，互动率提升50%、用户驻留时长增长20%，企业算法团队短期内完成建设并实现自主迭代。
- 直播推荐：根据启播/停播时间窗结合用户兴趣进行实时推荐，提升用户驻留和打商增长。
- 内容混排：首页Feed整合音乐、视频、K歌、直播等多业务板块。
- 团队赋能：通过学习-上手模式降低年轻团队的学习成本，快速掌握自主迭代能力。
- 数据建设：建立完整推荐系统，完善离线数据、数据建模、实时计算等多维数据能力。
FeatureStore (FS)：作为特征工程的重要工具，相关文档包括PAI-Rec、EasyRec和特征平台等。