系统内置基础特征_智能开放搜索 OpenSearch(Open Search)-阿里云帮助中心

介绍定制化排序模型中用到的系统内置基础特征。

基础特征结构示意图

基础特征类型介绍

基础特征总体分为两大类：item和user

item：

字段特征：首先选择需要处理的特征字段，默认支持当前应用下的所有字段。然后选择具体的处理方式，如对于文本类型可以选择分词、向量化等，对于数值类型，直接选择原值映射。如果需要的特征字段不在当前应用，还可以通过外部MaxCompute表的形式注册进来。
统计特征：系统内部结合当前应用的搜索日志、行为采集进行统计，如item最近7天的曝光量、点击量、ctr等。

user：

user画像：用户画像特征如果需要可以通过外部表的形式接入训练，预测时通过query传递。（暂未启用）
query特征：即用户搜索的raw_query，一般用到query分词、向量化等信息。

item字段特征处理方式：

原值
分词
分词后生成lookup特征
分词后统计term数量

示例：

比如需要处理的字段内容为“白色T恤”，

原值结果为：“白色T恤”，

分词结果为：“白色^]T恤” （^]为多值分隔符），

分词后生成lookup特征为：“白色：白色^]T恤：T恤”，

分词后统计term数量为：2

系统内置item特征

字段名（特征名）	字段类型	字段说明
system_item_id	STRING	item id ，item的唯一标识
system_all_nid_ctr_30	BIGINT	item 30天点击率（已进行离散化）
system_all_nid_ctr_7	BIGINT	item 7天点击率（已进行离散化）
system_all_nid_ctr_1	BIGINT	item 1天点击率（已进行离散化）
system_all_nid_pv_30	BIGINT	item 30天曝光量（已进行离散化）
system_all_nid_pv_7	BIGINT	item 7天曝光量（已进行离散化）
system_all_nid_pv_1	BIGINT	item 1天曝光量（已进行离散化）
system_all_nid_ipv_30	BIGINT	item 30天点击量（已进行离散化）
system_all_nid_ipv_7	BIGINT	item 7天点击量（已进行离散化）
system_all_nid_ipv_1	BIGINT	item 1天点击量（已进行离散化）
system_query_score_decay	STRING	能表示该item的topN个query的点击比例分（对于query，N默认为20，下同）示例： 'query1:score1^]query2:score2'
system_qterm_score_decay	STRING	能表示该item的topN个query term的点击比例分（对于term，N默认为300，下同）示例： 'term1:score1^]term2:score2'
system_query_ctr_decay	STRING	能表示该item的topN个query的ctr值示例： 'query1:ctr1^]query2:ctr2'
system_qterm_ctr_decay	STRING	能表示该item的topN个query term的ctr值示例： 'term1:ctr1^]term2:ctr2'
system_query_match_decay	STRING	请求query与能表示该item的topN个query的match值示例： 'query1:query1^]query2:query2'
system_qterm_match_decay	STRING	请求query term与能表示该item的topN个query term的match值示例： 'term1:term1^]term2:term2'
system_query_seq_decay	STRING	能表示该item的topN个query，多值id特征示例： 'query1^]query2'
system_qterm_seq_decay	STRING	能表示该item的topN个query term，多值id特征示例： 'term1^]term2'
system_query_cnt	BIGINT	system_query_seq_decay的个数
system_qterm_cnt	BIGINT	system_qterm_seq_decay的个数
dt	STRING	时间分区，格式 20230316，按天分区

系统内置user特征

系统内置user特征。

特征名	字段类型	特征说明
system_exp_time	STRING	行为产生的时间，单位为“周天”，例如“星期一”，“星期二”
system_terms2	STRING	query分词列表的前15个词的截断
system_user_id	STRING	user_id
system_raw_q_ultra	STRING	分词前的原始query
system_term_seq	STRING	query序列特征
system_term_seq_length	DOUBLE	query序列特征长度