Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Vorbereiten der Eingabedaten für Batch-Empfehlungen Ein Batch-Inferenzjob importiert Ihre Batch-Eingabe-JSON-Daten aus einem Amazon S3 S3-Bucket, verwendet Ihre benutzerdefinierte Lösungsversion, um Empfehlungen zu generieren, und exportiert dann die Artikelempfehlungen in einen Amazon S3 S3-Bucket. Bevor Sie Batch-Empfehlungen erhalten können, müssen Sie Ihre JSON-Datei vorbereiten und in einen Amazon S3 S3-Bucket hochladen. Wir empfehlen Ihnen, einen Ausgabeordner in Ihrem Amazon S3 S3-Bucket zu erstellen oder einen separaten Amazon S3-Ausgabe-Bucket zu verwenden. Anschließend können Sie mehrere Batch-Inferenzjobs unter Verwendung desselben Speicherorts für die Eingabedaten ausführen. Wenn Sie einen Filter mit Platzhalterparametern verwenden, müssen Sie z. `$GENRE` B. die Werte für die Parameter in einem `filterValues` Objekt in Ihrem Eingabe-JSON angeben. Weitere Informationen finden Sie unter [Bereitstellung von Filterwerten in Ihrem Eingabe-JSON](filter-batch.md#providing-filter-values). **Um Daten vorzubereiten und zu importieren** 1. Formatieren Sie Ihre Batch-Eingabedaten je nach Rezept. Mit dem Trending-Now-Rezept können Sie keine Batch-Empfehlungen erhalten. + Für USER\$1PERSONALIZATION-Rezepte und das Popularity-Count-Rezept sind Ihre Eingabedaten eine JSON-Datei mit einer Liste von Benutzer-IDs + Bei RELATED\$1ITEMS-Rezepten sind Ihre Eingabedaten eine Liste von ItemIDs + Für PERSONALIZED\$1RANKING-Rezepte sind Ihre Eingabedaten eine Liste von UserIDs, die jeweils mit einer Sammlung von ItemIDs gepaart sind Trennen Sie jede Zeile durch eine neue Zeile. Beispiele für Eingabedaten finden Sie unter[JSON-Beispiele für die Eingabe und Ausgabe von Batch-Inferenzjobs](#batch-inference-job-json-examples). 1. Laden Sie Ihre Eingabe-JSON in einen Eingabeordner in Ihrem Amazon S3 S3-Bucket hoch. Weitere Informationen finden Sie unter [Hochladen von Dateien und Ordnern mithilfe von Drag & Drop](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) im *Amazon Simple Storage Service-Benutzerhandbuch* 1. Erstellen Sie einen separaten Speicherort für Ihre Ausgabedaten, entweder einen Ordner oder einen anderen Amazon S3 S3-Bucket. Indem Sie einen separaten Speicherort für den Ausgabe-JSON erstellen, können Sie mehrere Batch-Inferenzjobs mit demselben Speicherort für die Eingabedaten ausführen. 1. Erstellen Sie einen Batch-Inferenzjob. Amazon Personalize gibt die Empfehlungen aus Ihrer Lösungsversion an Ihren Ausgabedatenort aus. ## JSON-Beispiele für die Eingabe und Ausgabe von Batch-Inferenzjobs Wie Sie Ihre Eingabedaten formatieren, das Rezept, das Sie verwenden. Wenn Sie einen Filter mit Platzhalterparametern verwenden, müssen Sie z. `$GENRE` B. die Werte für die Parameter in einem `filterValues` Objekt in Ihrem Eingabe-JSON angeben. Weitere Informationen finden Sie unter [Bereitstellung von Filterwerten in Ihrem Eingabe-JSON](filter-batch.md#providing-filter-values). In den folgenden Abschnitten werden korrekt formatierte JSON-Eingabe- und Ausgabebeispiele für Batch-Inferenzjobs aufgeführt. Mit dem Trending-Now-Rezept können Sie keine Batch-Empfehlungen erhalten. **Topics** + [USER\$1PERSONALIZATION-Rezepte](#batch-input-user-personalization) + [POPULAR\$1ITEMS Rezepte (nur Popularity-Count)](#batch-input-popular-items) + [Personalisierte-Rangfolgen-Rezepte](#batch-input-ranking) + [RELATED\$1ITEMS-Rezepte](#batch-input-related-items) ### USER\$1PERSONALIZATION-Rezepte Im Folgenden werden korrekt formatierte JSON-Eingabe- und Ausgabebeispiele für die USER\$1PERSONALIZATION-Rezepte gezeigt. Wenn Sie User-Personalization-v 2 verwenden, enthält jeder empfohlene Artikel eine Liste mit Gründen, warum der Artikel in Empfehlungen aufgenommen wurde. Diese Liste kann leer sein. Informationen zu möglichen Gründen finden Sie unter[Gründe für Empfehlungen mit 2 User-Personalization-v](recommendations.md#recommendation-reasons). ------ #### [ Input ] Trennen Sie jede `userId` Zeile wie folgt durch eine neue Zeile. ``` {"userId": "4638"} {"userId": "663"} {"userId": "3384"} ... ``` ------ #### [ Output ] ``` {"input":{"userId":"4638"},"output":{"recommendedItems":["63992","115149","110102","148626","148888","31685","102445","69526","92535","143355","62374","7451","56171","122882","66097","91542","142488","139385","40583","71530","39292","111360","34048","47099","135137"],"scores":[0.0152238,0.0069081,0.0068222,0.006394,0.0059746,0.0055851,0.0049357,0.0044644,0.0042968,0.004015,0.0038805,0.0037476,0.0036563,0.0036178,0.00341,0.0033467,0.0033258,0.0032454,0.0032076,0.0031996,0.0029558,0.0029021,0.0029007,0.0028837,0.0028316]},"error":null} {"input":{"userId":"663"},"output":{"recommendedItems":["368","377","25","780","1610","648","1270","6","165","1196","1097","300","1183","608","104","474","736","293","141","2987","1265","2716","223","733","2028"],"scores":[0.0406197,0.0372557,0.0254077,0.0151975,0.014991,0.0127175,0.0124547,0.0116712,0.0091098,0.0085492,0.0079035,0.0078995,0.0075598,0.0074876,0.0072006,0.0071775,0.0068923,0.0066552,0.0066232,0.0062504,0.0062386,0.0061121,0.0060942,0.0060781,0.0059263]},"error":null} {"input":{"userId":"3384"},"output":{"recommendedItems":["597","21","223","2144","208","2424","594","595","920","104","520","367","2081","39","1035","2054","160","1370","48","1092","158","2671","500","474","1907"],"scores":[0.0241061,0.0119394,0.0118012,0.010662,0.0086972,0.0079428,0.0073218,0.0071438,0.0069602,0.0056961,0.0055999,0.005577,0.0054387,0.0051787,0.0051412,0.0050493,0.0047126,0.0045393,0.0042159,0.0042098,0.004205,0.0042029,0.0040778,0.0038897,0.0038809]},"error":null} ... ``` ------ ### POPULAR\$1ITEMS Rezepte (nur Popularity-Count) Im Folgenden werden korrekt formatierte JSON-Eingabe- und Ausgabebeispiele für das Popularity-Count-Rezept gezeigt. Mit dem Trending-Now-Rezept können Sie keine Batch-Empfehlungen erhalten. ------ #### [ Input ] Trennen Sie jedes `userId` Objekt wie folgt durch eine neue Zeile. ``` {"userId": "12"} {"userId": "105"} {"userId": "41"} ... ``` ------ #### [ Output ] ``` {"input": {"userId": "12"}, "output": {"recommendedItems": ["105", "106", "441"]}} {"input": {"userId": "105"}, "output": {"recommendedItems": ["105", "106", "441"]}} {"input": {"userId": "41"}, "output": {"recommendedItems": ["105", "106", "441"]}} ... ``` ------ ### Personalisierte-Rangfolgen-Rezepte Im Folgenden werden korrekt formatierte JSON-Eingabe- und Ausgabebeispiele für PERSONALIZED\$1RANKING-Rezepte gezeigt. ------ #### [ Input ] Trennen Sie jedes Objekt `userId` und die Liste der `itemIds` zu bewertenden Objekte wie folgt durch eine neue Zeile. ``` {"userId": "891", "itemList": ["27", "886", "101"]} {"userId": "445", "itemList": ["527", "55", "901"]} {"userId": "71", "itemList": ["27", "351", "101"]} ... ``` ------ #### [ Output ] ``` {"input":{"userId":"891","itemList":["27","886","101"]},"output":{"recommendedItems":["27","101","886"],"scores":[0.48421,0.28133,0.23446]}} {"input":{"userId":"445","itemList":["527","55","901"]},"output":{"recommendedItems":["901","527","55"],"scores":[0.46972,0.31011,0.22017]}} {"input":{"userId":"71","itemList":["29","351","199"]},"output":{"recommendedItems":["351","29","199"],"scores":[0.68937,0.24829,0.06232]}} ... ``` ------ ### RELATED\$1ITEMS-Rezepte Im Folgenden werden korrekt formatierte JSON-Eingabe- und Ausgabebeispiele für RELATED\$1ITEMS-Rezepte gezeigt. ------ #### [ Input ] Trennen Sie jedes wie `itemId` folgt durch eine neue Zeile. ``` {"itemId": "105"} {"itemId": "106"} {"itemId": "441"} ... ``` ------ #### [ Output ] ``` {"input": {"itemId": "105"}, "output": {"recommendedItems": ["106", "107", "49"]}} {"input": {"itemId": "106"}, "output": {"recommendedItems": ["105", "107", "49"]}} {"input": {"itemId": "441"}, "output": {"recommendedItems": ["2", "442", "435"]}} ... ``` ------ Im Folgenden werden korrekt formatierte JSON-Eingabe- und Ausgabebeispiele für das Similar-Items-Rezept mit Themen gezeigt. ------ #### [ Input ] Trennen Sie sie `itemId` jeweils wie folgt durch eine neue Zeile. ``` {"itemId": "40"} {"itemId": "43"} ... ``` ------ #### [ Output ] ``` {"input":{"itemId":"40"},"output":{"recommendedItems":["36","50","44","22","21","29","3","1","2","39"],"theme":"Movies with a strong female lead","itemsThemeRelevanceScores":[0.19994527,0.183059963,0.17478035,0.1618133,0.1574806,0.15468733,0.1499242,0.14353688,0.13531424,0.10291852]}} {"input":{"itemId":"43"},"output":{"recommendedItems":["50","21","36","3","17","2","39","1","10","5"],"theme":"The best movies of 1995","itemsThemeRelevanceScores":[0.184988,0.1795761,0.11143453,0.0989443,0.08258403,0.07952615,0.07115086,0.0621634,-0.138913,-0.188913]}} ... ``` ------