Domain-Empfehlungen in Amazon Personalize erstellen - Amazon Personalize
Empfehlungen erstellen (Konsole)Einen Empfehlungsgeber erstellen ()AWS CLIEine Empfehlung 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.

Domain-Empfehlungen in Amazon Personalize erstellen

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

Empfehlungen erstellen (Konsole)

Wichtig

Ein Hoch erhöht minRecommendationRequestsPerSecond Ihre Rechnung. Wir empfehlen, mit 1 für zu beginnen minRecommendationRequestsPerSecond (Standard). Verfolgen Sie Ihre Nutzung anhand von CloudWatch Amazon-Metriken und erhöhen Sie minRecommendationRequestsPerSecond diese bei Bedarf. Weitere Informationen finden Sie unter Minimale Empfehlungsanfragen pro Sekunde und auto-scaling.

Erstellen Sie mit der Amazon Personalize Personalize-Konsole wie folgt Empfehlungen für jeden Ihrer Anwendungsfälle. Wenn Sie gerade Ihre Domain-Datensatzgruppe erstellt haben und sich bereits auf der Übersichtsseite befinden, fahren Sie mit Schritt 3 fort.

Um Empfehlungen zu erstellen

  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 Dataset-Gruppen Ihre Domain-Datensatzgruppe aus.

  3. Wählen Sie in Schritt 3 Empfehlungen verwenden und anschließend Empfehlungen <domain name>erstellen aus.

  4. Wählen Sie auf der Seite „Anwendungsfälle auswählen“ die Anwendungsfälle aus, für die Sie Empfehlungsgeber erstellen möchten, und geben Sie jedem einen Empfehlungsnamen. Amazon Personalize erstellt für jeden von Ihnen ausgewählten Anwendungsfall eine Empfehlung. Die verfügbaren Anwendungsfälle hängen von Ihrer Domain ab. Informationen zur Auswahl eines Anwendungsfalls finden Sie unterAuswahl eines Anwendungsfalls.

  5. Wählen Sie Weiter.

  6. Konfigurieren Sie auf der Seite Erweiterte Konfiguration jeden Empfehlungsgeber entsprechend Ihren Geschäftsanforderungen:

    • Für jeden Datensatz, der vom Anwendungsfall des Empfehlers verwendet wird, können Sie die Spalten auswählen, die Amazon Personalize beim Training der Modelle berücksichtigt, die Ihren Empfehlungsgeber unterstützen. Standardmäßig verwendet Amazon Personalize alle Spalten, die beim Training verwendet werden können. Weitere Informationen finden Sie unter Konfiguration der Spalten, die bei der Erstellung einer Amazon Personalize Personalize-Domain-Empfehlung verwendet werden.

    • Sie können die Mindestanzahl an Empfehlungsanfragen pro Sekunde ändern, um eine neue Mindestkapazität für Anfragen für Ihren Empfehlungsgeber festzulegen. Ein Hoch minRecommendationRequestsPerSecond erhöht Ihre Rechnung. Wir empfehlen, mit 1 zu beginnen (Standardeinstellung). Verfolgen Sie Ihre Nutzung anhand von CloudWatch Amazon-Metriken und erhöhen Sie minRecommendationRequestsPerSecond diese bei Bedarf. Weitere Informationen finden Sie unter Minimale Empfehlungsanfragen pro Sekunde und auto-scaling.

    • Wenn Sie die Möglichkeit haben möchten, Artikeldatensatz-Metadaten in Empfehlungen einzubeziehen, wählen Sie Artikelmetadaten in den Empfehlungsergebnissen zurückgeben aus. Wenn diese Option aktiviert ist, können Sie die Spalten aus Ihrem Artikeldatensatz in Ihrer Anfrage nach Empfehlungen oder personalisiertem Ranking angeben. Amazon Personalize gibt diese Daten für jeden Artikel in der Empfehlungsantwort zurück.

      Um Metadaten zu aktivieren, benötigen Sie einen Artikeldatensatz mit einer Spalte mit Metadaten.

    • Nehmen Sie für Top picks for your Recommended for you unsere Anwendungsfälle optional Änderungen an der Explorationskonfiguration vor. Bei der Erkundung werden verschiedene Objektempfehlungen getestet, um herauszufinden, wie Benutzer auf Elemente mit sehr wenigen Interaktionsdaten reagieren. Verwenden Sie die folgenden Felder, um die Erkundung zu konfigurieren:

      • Der Schwerpunkt liegt auf der Erkundung weniger relevanter Objekte (Gewicht der Erkundung) — Legen Sie fest, wie viele Objekte untersucht werden sollen. Geben Sie einen Dezimalwert zwischen 0 und 1 an. Die Standardeinstellung ist 0,3. Je näher der Wert an 1 liegt, desto mehr Erkundungen werden durchgeführt. Bei mehr Erkundung umfassen die Empfehlungen mehr Elemente mit weniger Daten zu Interaktionen oder Relevanz, die auf dem vorherigen Verhalten basieren. Bei einem Wert von Null findet keine Untersuchung statt und die Empfehlungen basieren auf aktuellen Daten (Relevanz).

      • Grenzwert für das Alter von Objekten bei der Erkundung — Geben Sie das maximale Artikelalter in Tagen seit der letzten Interaktion für alle Artikel im Datensatz Artikelinteraktionen an. Dies definiert den Umfang der Artikelerkundung auf der Grundlage des Artikelalters. Amazon Personalize bestimmt das Artikelalter anhand des Erstellungszeitstempels oder, falls Daten zum Erstellungszeitstempel fehlen, anhand der Artikelinteraktionsdaten. Weitere Informationen darüber, wie Amazon Personalize das Artikelalter bestimmt, finden Sie unterZeitstempeldaten der Erstellung.

        Um die Anzahl der Artikel zu erhöhen, die Amazon Personalize bei der Suche berücksichtigt, geben Sie einen höheren Wert ein. Das Minimum ist 1 Tag und die Standardeinstellung ist 30 Tage. Die Empfehlungen können Artikel enthalten, die älter sind als das von Ihnen angegebene Mindestalter für Artikel. Dies liegt daran, dass diese Artikel für den Benutzer relevant sind und sie bei der Erkundung nicht identifiziert wurden.

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

  7. Um Empfehlungen für jeden Ihrer Anwendungsfälle zu erstellen, wählen Sie Empfehlungen erstellen.

    Sie können den Status jedes Empfehlungsgebers auf der Seite „Empfehlungsgeber“ überwachen. Wenn Ihr Empfehlungsstatus Aktiv ist, können Sie ihn in Ihrer Bewerbung verwenden, um Empfehlungen zu erhalten.

Einen Empfehlungsgeber erstellen ()AWS CLI

Verwenden Sie den folgenden AWS CLI Code, um eine Empfehlung für einen Domain-Anwendungsfall zu erstellen. Führen Sie diesen Code für jeden Ihrer Domain-Anwendungsfälle aus. Geben Sie für recipeArn den Amazon Resource Name (ARN) für Ihren Anwendungsfall an. Die verfügbaren Anwendungsfälle hängen von Ihrer Domain ab. Eine Liste der Anwendungsfälle und deren ARNs finden Sie unterAuswahl eines Anwendungsfalls. 

aws personalize create-recommender \
--name recommender name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN

Eine Empfehlung erstellen ()AWS SDKs

Erstellen Sie einen Empfehlungsgeber für einen Domain-Anwendungsfall mit dem folgenden Code. Geben Sie Ihrem Empfehlungsgeber einen Namen und geben Sie den Amazon-Ressourcennamen (ARN) Ihrer Domain-Datensatzgruppe an. Geben Sie für recipeArn den ARN für Ihren Anwendungsfall an. Führen Sie diesen Code für jeden Ihrer Domain-Anwendungsfälle aus. Die verfügbaren Anwendungsfälle hängen von Ihrer Domain ab. Eine Liste der Anwendungsfälle ARNs, ihrer Bedingungen und ihrer Anforderungen finden Sie unterAuswahl eines Anwendungsfalls.

SDK for Python (Boto3)
import boto3

personalize = boto3.client('personalize')

create_recommender_response = personalize.create_recommender(
  name = 'recommender name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN'     
)

recommender_arn = create_recommender_response['recommenderArn']

print('Recommender ARN:' + recommender_arn)
SDK for Java 2.x
    public static String createRecommender(PersonalizeClient personalizeClient,
            String name,
            String datasetGroupArn,
            String recipeArn) {

        long maxTime = 0;
        long waitInMilliseconds = 30 * 1000; // 30 seconds
        String recommenderStatus = "";

        try {
            CreateRecommenderRequest createRecommenderRequest = CreateRecommenderRequest.builder()
                    .datasetGroupArn(datasetGroupArn)
                    .name(name)
                    .recipeArn(recipeArn)
                    .build();

            CreateRecommenderResponse recommenderResponse = personalizeClient
                    .createRecommender(createRecommenderRequest);
            String recommenderArn = recommenderResponse.recommenderArn();
            System.out.println("The recommender ARN is " + recommenderArn);

            DescribeRecommenderRequest describeRecommenderRequest = DescribeRecommenderRequest.builder()
                    .recommenderArn(recommenderArn)
                    .build();

            maxTime = Instant.now().getEpochSecond() + 3 * 60 * 60;

            while (Instant.now().getEpochSecond() < maxTime) {

                recommenderStatus = personalizeClient.describeRecommender(describeRecommenderRequest).recommender()
                        .status();
                System.out.println("Recommender status: " + recommenderStatus);

                if (recommenderStatus.equals("ACTIVE") || recommenderStatus.equals("CREATE FAILED")) {
                    break;
                }
                try {
                    Thread.sleep(waitInMilliseconds);
                } catch (InterruptedException e) {
                    System.out.println(e.getMessage());
                }
            }
            return recommenderArn;

        } catch (PersonalizeException e) {
            System.err.println(e.awsErrorDetails().errorMessage());
            System.exit(1);
        }
        return "";
    }
SDK for JavaScript v3
// Get service clients and commands using ES6 syntax.
import { CreateRecommenderCommand, PersonalizeClient } from
  "@aws-sdk/client-personalize";

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

// set the recommender's parameters
export const createRecommenderParam = {
  name: "RECOMMENDER_NAME",                    /* required */
  recipeArn: "RECIPE_ARN",                     /* required */
  datasetGroupArn: "DATASET_GROUP_ARN"         /* required */
}

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