檢查媒體推薦內容的資料品質

本頁說明如何判斷媒體資料的各項指標是否符合門檻規定。

關於檢查媒體資料品質

由於近期使用者事件對媒體推薦至關重要，因此請務必定期檢查擷取的資料和使用者事件品質。如要進行這項操作，請查看媒體推薦應用程式的「最佳化」分頁，判斷可對資料進行哪些改善，以獲得品質更佳的推薦內容。

如果指標未達到門檻，指標就會處於警告狀態。 接著，請查看指標和說明，判斷應採取哪些行動來提升媒體品質。

所有模型和目標都必須通過一般品質指標門檻。 部分模型和目標設有額外的應用程式專屬品質指標和門檻。如果所有應用程式都使用相同的資料存放區，一般品質指標就會相同，但應用程式專屬的品質指標會因應用程式的模型和目標而異。

如要瞭解推薦模型和目標，請參閱「關於媒體應用程式推薦類型」。

檢查資料品質

控制台

如要檢查媒體建議資料的品質，請按照下列步驟操作：

  1. 前往 Google Cloud 控制台的「AI Applications」頁面。

    AI 應用程式

  2. 按一下要檢查資料品質的媒體建議應用程式名稱。

  3. 在導覽選單中，按一下「資料品質」，然後點選「最佳化」分頁標籤。這個頁面會顯示與應用程式相關聯的資料，以及各種指標的狀態。

  4. 查看頁面頂端的「一般品質」和「應用程式專屬品質」狀態。如果一或多項指標超出門檻，頁面頂端的摘要狀態會顯示為警告。

    這兩份指標表格 (「一般品質」和「應用程式專屬品質」) 會列出個別指標。

    最佳化分頁會顯示一般品質的其中一個警告指標：doc_with_same_title_percentage

  5. 在指標表格中，按一下「查看詳細資料」，即可查看處於警告狀態的指標詳細資訊。

  6. 選用：如要查看符合規定的指標門檻，請按一下「查看詳細資料」。指標表格不會顯示符合規定的指標門檻。

REST

如要檢查媒體建議資料的品質，請使用 requirements:checkRequirement 方法，如下所示。

如要透過指令列檢查品質，請按照下列步驟操作：

  1. 找出資料儲存庫 ID。如果已有資料商店 ID，請跳到下一個步驟。

    1. 前往 Google Cloud 控制台的「AI Applications」頁面，然後在導覽選單中點選「Data Stores」。

      前往「資料儲存庫」頁面

    2. 點按資料儲存庫的名稱。

    3. 在資料儲存庫的「資料」頁面中，取得資料儲存庫 ID。

  2. 執行下列 curl 指令，瞭解媒體建議是否符合一般指標的門檻：

    curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
-H "X-GFE-SSL: yes" \
-H "X-Goog-User-Project: PROJECT_ID" \
"https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/requirements:checkRequirement" \
-d '{
      "location": "projects/PROJECT_ID/locations/global",
      "requirementType": "discoveryengine.googleapis.com/media_recs/general/all/warning",
      "resources": [
        {
          "labels": {
            "branch_id": "0",
            "collection_id": "default_collection",
            "datastore_id": "DATA_STORE_ID",
            "location_id": "global",
            "project_number": "PROJECT_ID"
          },
          "type": "discoveryengine.googleapis.com/Branch"
        },
        {
          "labels": {
            "collection_id": "default_collection",
            "datastore_id": "DATA_STORE_ID",
            "location_id": "global",
            "project_number": "PROJECT_ID"
          },
          "type": "discoveryengine.googleapis.com/DataStore"
        }
      ]
    }'

    更改下列內容：

    • PROJECT_ID：您的 Google Cloud 專案 ID。
    • DATA_STORE_ID：Vertex AI Search 資料儲存庫的 ID。

  3. 查看輸出內容：

    1. 尋找 result 的值：

      • 如果值為 SUCCESS，表示資料符合一般規定，請繼續執行步驟 4。

      • 如果值為 WARNING，請繼續執行步驟 b。

      • 如果輸出內容中沒有顯示 result，可能的原因如下：

        • 要求中的 PROJECT_ID 或 DATA_STORE_ID 有誤。

        • 部分指標值無法使用。請於 6 小時後再試一次，或向客戶工程師尋求協助。

    2. 尋找運算式 (requirement.Condition.Expression)：如果這個運算式評估結果為 false，表示資料有問題。

      指標值位於 requirementCondition.metricResults.value 欄位。警告門檻值位於 thresholdBindings.thresholdValues 欄位。description欄位可協助您瞭解指標的用途。

      舉例來說，doc_with_same_title_percentage 的值為 30.47，而 doc_with_same_title_percentage_threshold 的警告門檻為 1。資料儲存空間中有太多相同名稱，這表示資料有問題，需要調查。

  4. 如果建議應用程式使用的模型和目標組合出現在這個表格中，您也需要呼叫檢查需求方法，並使用模型和目標的值更新該方法：

    模型 目標 MODEL_OBJ
    您可能會喜歡的其他項目 轉換率 oyml/cvr
    為您推薦 轉換率 rfy/cvr
    更多類似內容 轉換率 mlt/cvr
    最熱門 轉換率 mp/cvr
    您可能會喜歡的其他項目 各工作階段的觀看時長 oyml/wdps
    為您推薦 各工作階段的觀看時長 rfy/wdps
    更多類似內容 各工作階段的觀看時長 mlt/wdps 

    curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
-H "X-GFE-SSL: yes" \
-H "X-Goog-User-Project: PROJECT_ID" \
"https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/requirements:checkRequirement" \
-d '{
      "location": "projects/PROJECT_ID/locations/global",
      "requirementType": "discoveryengine.googleapis.com/media_recs/MODEL_OBJ/warning",
      "resources": [
        {
          "labels": {
            "branch_id": "0",
            "collection_id": "default_collection",
            "datastore_id": "DATA_STORE_ID",
            "location_id": "global",
            "project_number": "PROJECT_ID"
          },
          "type": "discoveryengine.googleapis.com/Branch"
        },
        {
          "labels": {
            "collection_id": "default_collection",
            "datastore_id": "DATA_STORE_ID",
            "location_id": "global",
            "project_number": "PROJECT_ID"
          },
          "type": "discoveryengine.googleapis.com/DataStore"
        }
      ]
    }'

    更改下列內容：

    • PROJECT_ID：您的 Google Cloud 專案 ID。
    • DATA_STORE_ID：Vertex AI Search 資料儲存庫的 ID。
    • MODEL_OBJ：請參閱上表，為建議應用程式選擇正確的值。

  5. 查看輸出內容：

    1. 尋找 result 的值：

      • 如果值為 SUCCESS，表示資料品質良好。

      • 如果值為 WARNING，請繼續執行步驟 b。

      • 如果輸出內容中沒有顯示 result，可能的原因如下：

        • 要求中的 PROJECT_ID 或 DATA_STORE_ID 有誤。

        • 部分指標值無法使用。請於 6 小時後再試一次，或向客戶工程師尋求協助。

    2. 查看運算式 (requirement.Condition.Expression)。如果這個運算式評估結果為 false，表示資料有問題。

      指標值位於 requirementCondition.metricResults.value 欄位，警告門檻值則位於 thresholdBindings.thresholdValues 欄位。description 欄位可協助您瞭解指標的用途。