文档中心

上下文搜索

个性化搜推

模型开发

在个性化搜推场景中，当您导入数据集后，可对数据集进行特征工程、样本工程处理，进行模型开发，本文介绍如何进行模型开发。

前提条件

已创建个性化搜推场景。具体操作，请参见创建场景。

已导入数据。具体操作，请参见导入数据。

创建开发任务

在顶部导航栏，选择目标项目和地域。

在左侧导航栏选择我的场景，然后单击目标个性化搜推场景。

在目标个性化搜推场景页面右上角单击图标，选择模型开发页签。

在开发任务区域单击创建。

在新建模型开发任务对话框中，输入任务名称，然后单击立即创建。

说明

任务名称命名规则如下：

不能以数字或中划线（-）开头。

长度为 1~128 个字符。

只能包含中文、字母、数字、下划线（_）和中划线（-）。

开发模型

在创建的开发任务中，单击数据集，然后在下拉列表中选择添加的数据集。

说明

您可以在物品数据预览区域预览数据集中的数据。

如需添加新的数据集，单击添加数据集。具体操作，请参见添加数据集。

在创建的开发任务中，单击特征处理，在各表的是否采用列勾选要采用的字段，并配置特征类型。

说明

字段的特征类型如下：

稀疏特征：非连续变化的特征，例如 String 或非数字类型的字段，名称或属性等。

稠密特征：连续变化的特征，必须是数字类型字段，例如价格，访问次数等。

变长稀疏特征：稀疏特征列表，例如交互过的物品列表 item_id_list。

变长稠密特征：稠密特征列表，比如交互过的物品价格列表 item_price_list。

需注意 id 这类字段属于稀疏特征，因为没有连续变化的特性，比如 id=3 并不表示具体数字，id=3 并不大于 id=2，只有价格这类可以相互比较的数字才能作为稠密特征。

在创建的开发任务中，单击样本工程，然后配置以下参数。

参数	说明
正样本	即满足需求输出预期的值，可以同一个字段来表示是否符合预期，例如 clicked=0/1 表示用户是否点击该物品，purchase=0/1 表示是否购买该物品。
正样本占比	输入正样本占比，单位：%。
字段	在下拉列表中选择用于划分数据集的字段。
比例	设置训练集、验证集和测试集的比例。比例的总和为 10 。

在创建的开发任务中，单击模型训练，然后配置以下参数。

参数	说明
模型类型	当前固定为召回 + 精排。
召回模型算法	DSSM 为固定选项。DSSM（Deep Structured Semantic Model）是一种用于学习两类对象（如用户与物品、查询与文档）语义匹配关系的深度学习模型。您可以单击超参数配置配置算法的超参数，详情请参见 DSSM 超参数。您还可以单击添加然后在下拉列表中选择其他模型。
精排模型算法	当前仅支持 DeepFM。DeepFM（Deep Factorization Machine）是一种同时学习低阶特征组合和高阶特征交互的推荐模型。您可以单击超参数配置配置算法的超参数，详情请参见 DeepFM 超参数。

在创建的开发任务中，单击模型评估，然后配置以下参数。

参数	说明
启用部署门禁	选择是否开启部署门禁。开启后，不满足指标规则的任务无法部署。
召回模型指标	配置召回模型的部署门禁。您可以单击添加指标规则配置多条规则。同一阶段内的规则按 AND 关系生效。说明此参数仅当开启部署门禁时可见。
精排模型指标	配置精排模型的部署门禁。您可以单击添加指标规则配置多条规则。同一阶段内的规则按 AND 关系生效。说明此参数仅当开启部署门禁时可见。

在创建的开发任务中，单击模型推理部署，然后配置以下参数。

参数	说明
标签（可选）	为模型服务添加标签，可更方便地识别和管理模型服务。您可以多次单击添加标签添加多个标签，最多可添加 20 个标签。
场景资源
资源类型	当前仅支持 CPU。
规格	在下拉列表中选择场景资源的规格。
数量	设置场景资源的数量。可选择的数量范围：1~200。
推理资源
资源类型	当前仅支持 GPU。
规格	在下拉列表中选择推理资源的规格。
数量	设置推理资源的数量。可选择的数量受限于所选规格的剩余库存。
接入点限流	开启后可设置单接入点访问限流。
RPM	开启接入点限流需要配置 RPM（Requests Per Minute），即每分钟处理请求数。
自定义参数（可选）	支持为推理服务配置自定义参数。单击添加自定义参数，然后配置参数名称和取值。
缓存加速	选择是否开启缓存加速。
Redis 实例	在下拉列表中选择缓存加速使用的 Redis 实例。说明此参数仅当开启缓存加速时可见。如需新建 Redis 实例，请参见创建实例。关于 Redis 实例的更多信息，请参见什么是缓存数据库 Redis 版。
用户名	输入 Redis 实例的用户名。说明此参数仅当开启缓存加速时可见。
密码	输入 Redis 实例的密码。说明此参数仅当开启缓存加速时可见。
调整灰度流量	设置各阶段灰度流量的比例。您可以单击添加阶段实现多阶段灰度升级。各阶段流量须严格递增，范围为 1%～99%；最终 100% 由系统完成。
每阶段最短观察时间	灰度发布时，每个流量阶段至少运行并观测该时长后才进入下一阶段。
部署失败重试间隔	设置部署失败后系统自动发起下一次重试的等待时间。
最大在线错误率	设置灰度阶段允许的线上错误率上限。取值范围：0～1。
在线指标等待超时	设置部署完成后等待线上监控指标产出的最长时间。超时仍无指标则按下方策略处理。
在线指标超时处理	设置在线指标等待超时后系统执行的动作。可选值：自动回滚或停留并等待人工处理。

DSSM 超参数

参数	类型	是否必填	说明
batch_size	INTEGER	是	每一批次训练的数据。
dropout	FLOAT	是	Dropout 比例，防止过拟合（默认值表示随机丢弃 10% 神经元）。
early_stop_patience	INTEGER	是	早停耐心值：默认值表示连续 5 轮验证集指标不提升就停止训练。
embedding_dim	INTEGER	是	类别特征的嵌入向量维度。
epochs	INTEGER	是	训练轮数。
fe_block_layer_dim	INTEGER	是	特征提取模块（FE Block）的隐藏层维度。
full_reg	BOOLEAN	是	是否开启全量正则化。
item_head	INTEGER	是	物品塔的输出头数量。
learning_rate	FLOAT	是	学习率。
seed	INTEGER	是	随机种子，保证实验可复现。
sparse	BOOLEAN	是	是否启用稀疏训练。
tau	FLOAT	是	温度系数，用于对比学习 / 双塔匹配的相似度缩放。
user_head	INTEGER	是	用户塔的输出头数量。

DeepFM 超参数

参数	类型	是否必填	说明
adagrad	BOOLEAN	是	是否使用 AdaGrad 优化器。
batch_size	INTEGER	是	每一批次训练的数据。
dcn_low_rank_dim	INTEGER	是	DCN 低秩分解维度，用于降低交叉层参数量。
dcn_num_layers	INTEGER	是	DCN（Deep & Cross Network）交叉层数量：3 层。
embedding_dim	INTEGER	是	类别特征的嵌入向量维度。
epochs	INTEGER	是	训练轮数。
learning_rate	FLOAT	是	学习率。
lr_decay_start	INTEGER	是	学习率衰减开始步数（0 表示不衰减）。
lr_decay_steps	INTEGER	是	学习率衰减总步数（0 表示不衰减）。
lr_warmup_steps	INTEGER	是	学习率预热步数（0 表示不预热）。
pin_memory	BOOLEAN	是	是否锁页内存（加速 GPU 数据传输，PyTorch 特有）。

运行任务

在开发任务的右上角单击运行。

在运行任务对话框中，配置以下参数，然后单击提交。

参数	说明
资源类型	当前固定为 GPU。
规格	在下拉列表中选择资源规格。
数量	选择资源数量。
调度	选择运行模式。可选值如下：运行一次：立即运行一次。按小时：在指定日期范围内，固定在每小时的指定分钟时运行一次。按天：在指定日期范围内，固定在每天的指定时间运行一次。

说明

运行任务的资源按实际使用计费，具体收费情况请以账单为准。

后续操作

查看日志

任务运行后，您可以查看任务运行日志，了解模型运行状态、定位问题。

在页面右上角单击运行历史。

在任务运行历史面板中，单击目标运行记录右侧的日志。

在日志查询页面，根据需要选择日志等级、起止时间、文件类型、关键词等筛选条件，系统将自动筛选出符合条件的日志并展示在下方日志列表中。

说明

系统最多保存 7 天的日志。

模型评测

任务运行后，您可以单击运行历史查看任务运行状况。例如，您可以在模型训练结束后查看模型评测。

在任务运行历史面板中，单击目标运行记录右侧的配置信息。

在弹出的窗口中，选择模型评测页签。

在模型评测页签，查看运行任务的召回训练模型指标和精排模型训练指标。

最近更新时间：2026.10.16 17:05:28

这个页面对您有帮助吗？

有用

无用