從零開始接入騰訊雲智能推薦

本文轉載自查看原文 2017-09-15 15:31 1075 CDB/ 騰訊雲/ 人工智能/ Python

歡迎大家前往騰訊雲技術社區，獲取更多騰訊海量技術實踐干貨哦~

作者：安斌

導語： 由於信息過載，推薦系統基本成為互聯網產品的標配，如何快速的讓自己的產品具有推薦的能力呢？稀缺專業人員投入、用戶數據積累、用戶冷啟動問題等等都是自建推薦系統必須跨越的障礙。本文介紹如何接入騰訊雲智能推薦，快速獲得上百人專業算法團隊、二十億+用戶畫像、幾乎覆蓋全部網民的推薦系統能力。

本文介紹如何使用豆瓣圖書的openAPI抓取圖書信息，上報圖書信息、用戶瀏覽點擊行為到騰訊雲智能推薦系統，通過API獲取推薦結果。主要的步驟包括：

物料准備；
物料上報；
場景id申請；
獲取推薦結果；
用戶行為上報；

1. 物料准備

首先介紹下什么物料，物料就是我們需要推薦的物品。推薦系統通過物料的屬性、用戶和場景的屬性以及用戶的歷史行為，生產推薦結果。

為了方便的獲取物料屬性，這里我們使用douban圖書API獲取圖書的基本信息。Api參考：https://developers.douban.com/wiki/?title=book_v2

其中，重要的信息包括:

isbn13: 可以作為圖書物料的唯一標識；
title/author/pubisher: 與圖書相關的重要信息；
rating：用戶評分；
tags：圖書的標簽；
price：價格

接下來，我們購買主機和CDB，使用python腳本遍歷豆瓣圖書api，我們將感興趣的屬性記錄到db中，獲得原始的物料庫，如下表所示：

2. 物料上報：

步驟1我們已經獲取到了物料庫，接下來通過騰訊雲智能推薦item上報API上報物料，API詳情參考API文檔。

物料上報協議中，重要的字段包括：

item_id：物料唯一標識，推薦結果將返回物料id，暫時不支持中文；圖書推薦使用圖書的唯一標號isbn13作為item_id;
pool_id：自定義物料池，物料池將物料分類，在獲取推薦結果時，可以指定在哪個物料池獲取推薦結果，適配不同的產品場景。同一個物品可以屬於多個物料池；本示例中，所有物品都可以出現在任意場景下，所以，物料沒有指定物料池，需要分物料池時，可以添加物料池分類，重新上傳物料信息。
tags：物料的標簽，是物品推薦使用的關鍵屬性，可以使用物品的標簽描述、分級類目名、品牌等等信息，越詳細的信息，對推薦結果越有幫助。同時，每個物品的描述應該具有可區分性，在給用戶推薦時，如果每個物品都具有相同的tag，那么，推薦系統將無法通過這個tag，區分出當前用戶對每個物品的喜好，也就沒法產生有效的推薦，所以tag的描述盡量准確、具有區分性。本示例中，標簽使用douban提供的tags；

物料上報協議如下所示：

{

       'data_type': 1,

       'tags': u'\u9c81\u8fc5,\u4e2d\u56fd\u6587\u5b66....',

       'bid': 'b_teg_openrecom_xxxx,

       'describe': u '\u9c81\u8fc5\u5168\u96c6(2)',

       'free': 0,

       'item_id': u '9787020015252',

       'MD5': '8764084918781ab51493eaf43e6d0166',

       'url': u 'https://book.douban.com/subject/1002055/',

       'publish': 1,

       'platform': 1,

       'score': 9.5,

       'request_id': '1488358987',

       'vender': u '\u4eba\u6c11\u6587\u5b66\u51fa\u7248\u793e',

       'price': 31.75

}

3. 場景id申請：

智能推薦的所有行為都是圍繞場景展開的，首先上傳適合當前場景的物料，接下來，拉取當前場景下對用戶的推薦結果；再上報用戶在當前場景的流量、點擊、轉換等行為數據，修正推薦結果。場景可以理解為產品的一個推薦位，比如很多產品有猜你喜歡的欄目。

可以在騰訊雲官網智能推薦控制台創建場景，獲得場景id。本文規划兩個場景：首頁推薦和詳情頁推薦，申請兩個場景id。

4. 獲取推薦結果：

物料庫上報以后，就可以通過用戶id從物料庫中生成推薦結果了。這里使用請求服務接口。注意，請求服務的地址與物料上報、行為上報地址不同。重要的字段包括：

scene_id: 場景id，步驟3申請的bid；
pool_id: 物料池編碼，指定在特定的物料池中選擇推薦結果；如果不指定，默認在全部物料中選擇；
cid：當前頁面物料id，用於詳情頁獲取推薦的場景，cid使用當前物料id。在本示例中，在詳情頁場景使用。

推薦結果請求如下所示：

{

       'scene_id': 538659,

       'request_num': 50,

       'uid': '3496892xx',

       'request_id': '1487861252',

       'service_type': 3,

       'bid': 'b_teg_openrecom_xxxx',

       'uid_type': '0',

       'MD5': '05bae728925ee937e760b06669089c27'

}

5. 用戶行為上報：

用戶行為上報接口，上報某個時間點、某個場景下、某個用戶發生了特定行為。利用用戶行為可以進一步優化推薦結果。用戶行為包括：曝光、點擊、轉化、點贊等等；行為上報時，需要保證事件發生的時間順序，嚴格按照先有曝光，點擊，再有轉化，否則系統會認為用戶點擊、轉化行為行為無效。重要的字段：

Ø trace_id：用戶一系列行為的會話id。通過trace_id, 推薦系統可以串聯用戶行為。 trace_id的生命周期從曝光開始，依次在點擊、轉化、點贊等行為中傳遞。下一次曝光需要生成新的trace_id；

協議如下所示：

{

       'uid': '3496892xx',

       'data_type': 2,

       'bid': 'b_teg_openrecom_xxx',

       'item_id': u '9787109061385',

       'scene_id': u '538659',

       'MD5': '8764084918781ab51493eaf43e6d0166',

       'action_time': 1487905960,

       'trace_id': u '1487905944',

       'action_type': 2,

       'request_id': '1487905960',

       'uid_type': '0'

}