AI ו-LLMהתאמה אישיתתוכניות Performance ו-Scale

המלצות בזמן אמת

המלצות אישיות בסבב קריאות אחד. פיצ'רים של המשתמש, פריטים דומים לפי וקטור ומה שעולה, בניכוי מה שכבר ראו.

אותות, שרת אחד
4
פריטים שכבר נראו וחוזרים
0
ספירות מגמות
חי
צעד 1 מתוך 6
סופרים מה שעולה

רשימת ה-Top-K נוצרה פעם אחת עם TOPK.RESERVE. כל צפייה מעדכנת אותה, ופריטים שיוצאים מהצמרת מדווחים חזרה.

סשן לדוגמהplaying
# סופרים מה שעולה
hotkv> TOPK.ADD trending:shoes sku:88 sku:17 sku:88
1) (nil)
2) (nil)
3) (nil)

הדגמה מונפשת עם פקודות HotKV אמיתיות ותשובות לדוגמה. לחצו על כל שלב כדי לעבור אליו. הפקודות והתשובות נשארות באנגלית, בדיוק כפי שמקלידים ורואים ב-HotKV.

הבעיה

המלצה טובה משלבת מי המשתמש, מה דומה למה שאהב, מה פופולרי כרגע ומה הוא כבר ראה. האותות האלה בדרך כלל חיים בארבע מערכות, וחיבורם בזמן הבקשה מוסיף השהיה לכל עמוד.

איך HotKV מטפל בזה

HotKV מחזיק את כל הארבעה. מאגר הפיצ'רים מכיל את פרופיל המשתמש, אינדקס וקטורי מוצא פריטים דומים, מבנה Top-K עוקב אחר מה שעולה תוך כדי הגעת האירועים, ומסנן Bloom לכל משתמש מסיר פריטים שכבר ראה. מנוע ההמלצות קורא את כל זה משרת אחד בכמה קריאות.

צעד אחר צעד

מה קורה, פקודה אחר פקודה

  1. 01

    סופרים מה שעולה

    רשימת ה-Top-K נוצרה פעם אחת עם TOPK.RESERVE. כל צפייה מעדכנת אותה, ופריטים שיוצאים מהצמרת מדווחים חזרה.

    TOPK.ADD trending:shoes sku:88 sku:17 sku:88
  2. 02

    טוענים את הפיצ'רים של המשתמש

    פיצ'רים של פרופיל והתנהגות עבור מודל הדירוג, עם גילם.

    FEATURE.GET user_features user:42
  3. 03

    מוצאים פריטים דומים

    וקטור הטעם של המשתמש מוצא את המוצרים הקרובים ביותר.

    VSIM.SEARCH items 20 0.31 0.12 0.77 ...
  4. 04

    מוציאים את מה שכבר ראו

    מסנן Bloom לכל משתמש עונה על “האם נראה בעבר?” לכל רשימת המועמדים בקריאה אחת.

    BF.MEXISTS seen:user:42 sku:88 sku:5 sku:17
  5. 05

    משלבים את מה שחם

    רבי המכר הנוכחיים מצטרפים למועמדים, ומודל הדירוג מסדר את הרשימה הסופית.

    TOPK.LIST trending:shoes WITHCOUNT
  6. 06

    זוכרים את החשיפה

    פריטים שהוצגו נוספים למסנן של המשתמש כדי שלא יחזרו מחר.

    BF.MADD seen:user:42 sku:5 sku:17
איפה זה מתאים

תרחישים מהעולם האמיתי

קמעונאות ושווקים מקוונים

שורות “אולי יעניין אותך גם” משלבות מוצרים דומים עם מה שנמכר עכשיו, ולעולם לא מציגות אותו פריט פעמיים בסשן.

מדיה ושידור

מסכי בית מדרגים תוכניות לפי וקטורי טעם ופופולריות חיה, ומדלגים על כותרים שהצופה כבר סיים.

חדשות ופידים של תוכן

מאמרים מומלצים לפי דמיון נושאי בזמן שסיפורים פופולריים עולים בזמן אמת.

מובנה

מה מקבלים

מאגר פיצ'רים

פיצ'רים מוגדרי טיפוס לכל משתמש או פריט לקריאות בהשהיה נמוכה בזמן ההסקה.

FEATURE.GETFEATURE.BATCH

פריטים דומים

שכנים קרובים מאינדקס וקטורי HNSW.

VSIM.SEARCH

מה עולה עכשיו

Top-K שומר את הפריטים השכיחים ביותר בזרם אירועים.

TOPK.ADDTOPK.LIST

מסנני ״נראה בעבר״

מסנני Bloom עונים על “האם נראה בעבר?” בזיכרון קבוע לכל משתמש.

BF.MADDBF.MEXISTS

שאלות נפוצות

האם מסנן Bloom יכול לטעות?

הוא יכול לפעמים לומר שפריט נראה כשהוא לא נראה, בשיעור שגיאה שאתם בוחרים עם BF.RESERVE. הוא לעולם לא אומר שפריט לא נראה כשהוא נראה.

איפה רץ מודל הדירוג?

בשירות שלכם. HotKV מגיש את הפיצ'רים והמועמדים בהשהיה נמוכה, והמודל שלכם קובע את הסדר הסופי.

אילו תוכניות כוללות אותו?

מאגר הפיצ'רים הוא חלק מתוכניות Performance ו-Scale. חיפוש וקטורי, Top-K ומסנני Bloom עובדים בכל תוכנית.

שימושים קשורים

נסו על עומס העבודה שלכם

HotKV מדבר את פרוטוקול Redis, ולכן אפשר להפנות אליו לקוח קיים ולהריץ את אותן פקודות.