Eine Lösung erstellen - Amazon Personalize
Eine Lösung erstellen (Konsole)Eine Lösung erstellen (AWS CLI)Eine Lösung erstellen (AWS SDKs)

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.

Eine Lösung erstellen

Sie können mit der Amazon Personalize Personalize-Konsole eine benutzerdefinierte Lösung erstellen. AWS Command Line Interface (AWS CLI), oder AWS SDKs. Im Folgenden finden Sie detaillierte Schritte zum Erstellen einer Lösung mit der Amazon Personalize-Konsole sowie Codebeispiele, die zeigen, wie Sie eine Lösung erstellen, die nur die erforderlichen Felder enthält.

Eine Lösung erstellen (Konsole)

Wichtig

Standardmäßig verwenden alle neuen Lösungen automatisches Training. Bei der automatischen Schulung fallen für Sie Schulungskosten an, solange Ihre Lösung aktiv ist. Um unnötige Kosten zu vermeiden, können Sie die Lösung aktualisieren, wenn Sie fertig sind, sodass das automatische Training deaktiviert wird. Informationen zu den Schulungskosten finden Sie unter Amazon Personalize Personalize-Preise.

Um eine Lösung in der Konsole zu erstellen, wählen Sie Ihre Datensatzgruppe aus und geben Sie dann einen Lösungsnamen, ein Rezept und eine optionale Trainingskonfiguration an.

Um eine Lösung zu konfigurieren (Konsole)

  1. Öffnen Sie zu https://console.aws.amazon.com/personalize/Hause die Amazon Personalize Personalize-Konsole und melden Sie sich bei Ihrem Konto an.

  2. Wählen Sie auf der Seite Datensatzgruppen Ihre Datensatzgruppe aus.

  3. Führen Sie auf der Übersichtsseite für Schritt 3 einen der folgenden Schritte aus:

    • Wenn Sie eine Domain-Dataset-Gruppe erstellt haben, wählen Sie Benutzerdefinierte Ressourcen verwenden und anschließend Lösungen erstellen aus.

    • Wenn Sie eine benutzerdefinierte Datensatzgruppe erstellt haben, wählen Sie Lösungen erstellen aus.

  4. Geben Sie für Solution name (Name der Lösung) einen Namen für die Lösung an.

  5. Wählen Sie unter Lösungstyp den Lösungstyp aus, den Sie erstellen möchten. Der von Ihnen gewählte Typ bestimmt, welche Rezepte verfügbar sind.

    • Wählen Sie Artikelempfehlung, um Artikelempfehlungen für Ihre Benutzer zu erhalten. Zum Beispiel personalisierte Filmempfehlungen.

    • Wählen Sie Aktionsempfehlung, um Handlungsempfehlungen für Ihre Benutzer zu erhalten. Generieren Sie beispielsweise die nächstbeste Aktion für einen Benutzer, z. B. laden Sie Ihre App herunter.

    • Wählen Sie Benutzersegmentierung, um Benutzersegmente (Benutzergruppen) auf der Grundlage Ihrer Artikeldaten zu erhalten.

  6. Wählen Sie unter Rezept ein Rezept aus (sieheEin Rezept wählen).

  7. Fügen Sie für Tags optional beliebige Tags hinzu. Weitere Informationen zum Taggen von Amazon Personalize Personalize-Ressourcen finden Sie unter. Taggen von Amazon Personalize Personalize-Ressourcen

  8. Wählen Sie Weiter.

  9. Passen Sie die Lösung auf der Seite zur Konfiguration der Schulung an Ihre Geschäftsanforderungen an.

    • Wählen Sie unter Automatisches Training aus, ob die Lösung automatisches Training verwendet. Wenn Sie automatisches Training verwenden, können Sie das ändernAutomatic training frequency. Die Standardtrainingsfrequenz ist alle 7 Tage.

      Wir empfehlen, automatisches Training zu verwenden. Dies erleichtert es Ihnen, die Relevanz der Empfehlungen aufrechtzuerhalten. Ihre Trainingshäufigkeit hängt von Ihren Geschäftsanforderungen, dem von Ihnen verwendeten Rezept und der Häufigkeit ab, mit der Sie Daten importieren. Weitere Informationen finden Sie unter Automatisches Training konfigurieren. Informationen zur Aufrechterhaltung der Relevanz finden Sie unterBeibehaltung der Relevanz von Empfehlungen.

    • Konfigurieren Sie in der Hyperparameter-Konfiguration alle Hyperparameter-Optionen auf der Grundlage Ihrer Rezeptur und Ihrer Geschäftsanforderungen. Unterschiedliche Rezepte verwenden unterschiedliche Hyperparameter. Die Hyperparameter, die Ihnen zur Verfügung stehen, finden Sie in den einzelnen Rezepten unter. Ein Rezept wählen

    • Wenn Ihr Rezept Artikelempfehlungen oder Benutzersegmente generiert, wählen Sie unter Schulungsspalten optional die Spalten aus, die Amazon Personalize bei der Erstellung von Lösungsversionen berücksichtigt. Weitere Informationen finden Sie unter Konfiguration der beim Training verwendeten Spalten.

    • Wenn Ihr Datensatz mit Artikelinteraktionen die Spalten EVENT _ TYPE oder beide VALUE Spalten _ TYPE und EVENT EVENT _ enthält, können Sie in der Konfiguration „Zusätzliche Konfiguration“ optional die Felder „Ereignistyp“ und „Schwellenwert für Ereignisse“ verwenden, um die Artikelinteraktionsdaten auszuwählen, die Amazon Personalize beim Trainieren des Modells verwendet. Weitere Informationen finden Sie unter Auswahl der für das Training verwendeten Artikelinteraktionsdaten.

    • Wenn Sie entweder das Rezept mit personalisiertem Ranking Rezept Rezept für Benutzerpersonalisierung oder verwenden, geben Sie optional ein Ziel an und wählen Sie eine Zielsensitivität, um Ihre Lösung nicht nur für die Relevanz, sondern auch für ein bestimmtes Ziel zu optimieren. Die objektive Sensitivität legt fest, wie Amazon Personalize zwischen empfohlenen Artikeln auf der Grundlage Ihres Ziels und der Relevanz anhand von Interaktionsdaten abwägt. Weitere Informationen finden Sie unter Optimierung einer Lösung für ein zusätzliches Ziel.

  10. Wählen Sie Weiter und überprüfen Sie die Lösungsdetails. Sie können die Konfiguration Ihrer Lösung nicht ändern, nachdem Sie sie erstellt haben.

  11. Wählen Sie Create solution (Lösung erstellen) aus. Nachdem Sie eine Lösung erstellt haben, beginnt Amazon Personalize innerhalb einer Stunde mit der Erstellung Ihrer ersten Lösungsversion. Wenn die Schulung beginnt, können Sie sie im Abschnitt Lösungsversionen auf der Detailseite Ihrer Lösung verfolgen. Automatisch erstellte Lösungsversionen haben den SchulungstypAUTOMATIC.

    Sobald die Lösungsversion verfügbar istACTIVE, können Sie sie verwenden, um Empfehlungen zu erhalten. Wie Sie eine aktive Lösungsversion verwenden, hängt davon ab, wie Sie Empfehlungen erhalten:

Eine Lösung erstellen (AWS CLI)

Wichtig

Standardmäßig verwenden alle neuen Lösungen automatisches Training. Bei der automatischen Schulung fallen für Sie Schulungskosten an, solange Ihre Lösung aktiv ist. Um unnötige Kosten zu vermeiden, können Sie die Lösung aktualisieren, wenn Sie fertig sind, sodass das automatische Training deaktiviert wird. Informationen zu den Schulungskosten finden Sie unter Amazon Personalize Personalize-Preise.

Um eine Lösung mit dem zu erstellen AWS CLI, verwenden Sie den create-solution Befehl. Dieser Befehl verwendet die CreateSolution API Operation. Der folgende Code zeigt Ihnen, wie Sie eine Lösung erstellen, die automatisches Training verwendet. Es erstellt automatisch alle fünf Tage eine neue Lösungsversion.

Um den Code zu verwenden, aktualisieren Sie ihn, um der Lösung einen Namen zu geben, geben Sie den Amazon-Ressourcennamen (ARN) Ihrer Datensatzgruppe an, ändern Sie optional die Trainingshäufigkeit und geben Sie das ARN zu verwendende Rezept an. Weitere Informationen zu Rezepten finden Sie unter Ein Rezept wählen. 

aws personalize create-solution \
--name solution name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--perform-auto-training \
--solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(5 days)\"}}"

Nachdem Sie die Lösung erstellt haben, zeichnen Sie die Lösung ARN für die future Verwendung auf. Bei der automatischen Schulung beginnt die Erstellung der Lösungsversion innerhalb einer Stunde, nachdem die Lösung fertig istACTIVE. Wenn Sie innerhalb einer Stunde manuell eine Lösungsversion erstellen, überspringt die Lösung das erste automatische Training. Nach Beginn der Schulung können Sie den Amazon-Ressourcennamen (ARN) der Lösungsversion mit dem ListSolutionVersionsAPIVorgang abrufen. Verwenden Sie den DescribeSolutionVersionAPIVorgang, um den Status zu ermitteln.

Sobald die Lösungsversion verfügbar istACTIVE, können Sie sie verwenden, um Empfehlungen zu erhalten. Wie Sie eine aktive Lösungsversion verwenden, hängt davon ab, wie Sie Empfehlungen erhalten:

Eine Lösung erstellen (AWS SDKs)

Wichtig

Standardmäßig verwenden alle neuen Lösungen automatisches Training. Bei der automatischen Schulung fallen für Sie Schulungskosten an, solange Ihre Lösung aktiv ist. Um unnötige Kosten zu vermeiden, können Sie die Lösung aktualisieren, wenn Sie fertig sind, sodass das automatische Training deaktiviert wird. Informationen zu den Schulungskosten finden Sie unter Amazon Personalize Personalize-Preise.

Um eine Lösung zu erstellen mit AWS SDKs, benutze die CreateSolution API Operation. Der folgende Code zeigt Ihnen, wie Sie eine Lösung erstellen, die automatisches Training verwendet. Es erstellt automatisch alle fünf Tage eine neue Lösungsversion.

Um den Code zu verwenden, aktualisieren Sie ihn, um der Lösung einen Namen zu geben, geben Sie den Amazon-Ressourcennamen (ARN) Ihrer Datensatzgruppe an, ändern Sie optional die Trainingshäufigkeit und geben Sie das Rezept an, das Sie verwenden möchten. ARN Weitere Informationen zu Rezepten finden Sie unter Ein Rezept wählen.

SDK for Python (Boto3)
import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
  name = 'solution name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN',
  performAutoTraining = True,
  solutionConfig = {
    "autoTrainingConfig": {
      "schedulingExpression": "rate(5 days)"
    }
  }
)
solution_arn = create_solution_response['solutionArn']
print('solution_arn: ', solution_arn)
SDK for JavaScript v3

import {
  CreateSolutionCommand,
  PersonalizeClient,
} from "@aws-sdk/client-personalize";

// create client
const personalizeClient = new PersonalizeClient({ region: "REGION" });

// set the solution parameters
export const solutionParam = {
  datasetGroupArn: "DATASET_GROUP_ARN" /* required */,
  recipeArn: "RECIPE_ARN" /* required */,
  name: "SOLUTION_NAME" /* required */,
  performAutoTraining: true /* optional, default is true */,
  solutionConfig: {
    autoTrainingConfig: {
      schedulingExpression:
        "rate(5 days)" /* optional, default is every 7 days */,
    },
  },
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(
      new CreateSolutionCommand(solutionParam)
    );
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();

Nachdem Sie die Lösung erstellt haben, zeichnen Sie die Lösung ARN für die future Verwendung auf. Bei der automatischen Schulung beginnt die Erstellung der Lösungsversion innerhalb einer Stunde, nachdem die Lösung fertig istACTIVE. Wenn Sie innerhalb einer Stunde manuell eine Lösungsversion erstellen, überspringt die Lösung das erste automatische Training. Nach Beginn der Schulung können Sie den Amazon-Ressourcennamen (ARN) der Lösungsversion mit dem ListSolutionVersionsAPIVorgang abrufen. Verwenden Sie den DescribeSolutionVersionAPIVorgang, um den Status zu ermitteln.

Sie können den folgenden Python-Code verwenden, um auf den Start des automatischen Trainings zu warten. Die wait_for_training_to_start Methode gibt den Wert ARN der ersten Lösungsversion zurück.

import time
import boto3


def wait_for_training_to_start(new_solution_arn):
    max_time = time.time() + 3 * 60 * 60    # 3 hours
    while time.time() < max_time:
        list_solution_versions_response = personalize.list_solution_versions(
            solutionArn=new_solution_arn
        )
        solution_versions = list_solution_versions_response.get('solutionVersions', [])
        if solution_versions:
            new_solution_version_arn = solution_versions[0]['solutionVersionArn']
            print(f"Solution version ARN: {new_solution_version_arn}")
            return new_solution_version_arn
        else:
            print(f"Training hasn't started yet. Training will start within the next hour.")
            time.sleep(60)


personalize = boto3.client('personalize')

solution_arn = "solution_arn"
solution_version_arn = wait_for_training_to_start(solution_arn)

Wenn die Lösungsversion verfügbar istACTIVE, können Sie sie verwenden, um Empfehlungen zu erhalten. Wie Sie eine aktive Lösungsversion verwenden, hängt davon ab, wie Sie Empfehlungen erhalten: