Benutzerdefinierte Datensätze und Schemas - Amazon Personalize
Anforderungen an benutzerdefinierte Datensätze und Schemas

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.

Benutzerdefinierte Datensätze und Schemas

Wenn Sie eine benutzerdefinierte Datensatzgruppe erstellen, erstellen Sie Ihre eigenen Schemas von Grund auf neu. Datensätze und Schemas für benutzerdefinierte Datensatzgruppen haben weniger Pflichtfelder und mehr Flexibilität. In den folgenden Themen werden das Schema und die Datenanforderungen für Datensätze einer benutzerdefinierten Datensatzgruppe erläutert. Jeder Datensatzabschnitt listet die erforderlichen Daten für den Datensatztyp auf und enthält ein JSON Beispiel für ein Schema.

Informationen zu den Datentypen, die Sie in Amazon Personalize importieren können, finden Sie unterDatentypen, die Amazon Personalize verwenden kann. Informationen zu allgemeinen Amazon Personalize Personalize-Schemaanforderungen, wie Formatierungsanforderungen und verfügbaren Felddatentypen, finden Sie unterJSONSchemadateien für Amazon Personalize Personalize-Schemas erstellen. Diese Anforderungen gelten für alle Amazon Personalize Personalize-Schemas.

Themen

Anforderungen an benutzerdefinierte Datensätze und Schemas

Wenn Sie einen Datensatz für eine benutzerdefinierte Datensatzgruppe erstellen, hat jeder Datensatztyp die folgenden Pflichtfelder und reservierten Schlüsselwörter mit den erforderlichen Datentypen.

Dataset-Typ Pflichtfelder Reservierte Schlüsselwörter
Interaktionen mit Elementen (Beispiel für ein Schema)

USER_ID () string

ITEM_ID () string

TIMESTAMP (long)

EVENT_TYPE (string)

EVENT_VALUE (float, null)

IMPRESSION (string, null)

RECOMMENDATION_ID (,) string null

EVENT_ATTRIBUTION_SOURCE (string, null)
Benutzer (Schemabeispiel)

USER_ID () string

1 Metadatenfeld (kategorisch string oder numerisch)
Elemente (Beispiel für ein Schema)

ITEM_ID () string

1 Metadatenfeld (kategoriales oder string Textfeld oder numerisches Feld)

CREATION_TIMESTAMP (long)
Aktionen (Beispiel für ein Schema)

ACTION_ID () string

1 Metadatenfeld (kategorisch string oder numerisch)

CREATION_TIMESTAMP (long)

VALUE (long, null)

TYPE (string, null)

EXPIRATION_TIMESTAMP (long, null)

REPEAT_FREQUENCY (long, null)
Interaktionen mit Aktionen (Beispiel für ein Schema)

USER_ID () string

ACTION_ID () string

EVENT_TYPE (string)

TIMESTAMP (long)

IMPRESSION (string, null)

RECOMMENDATION_ID (,) string null

Metadaten-Felder

Zu den Metadaten gehören Felder mit oder ohne Zeichenfolge, die nicht erforderlich sind oder kein reserviertes Schlüsselwort verwenden. Für Metadatenschemas gelten die folgenden Einschränkungen:

  • Für die Schemas Benutzer, Elemente und Aktionen ist mindestens ein Metadatenfeld erforderlich.

  • Sie können maximal 25 Metadatenfelder für ein Benutzerschema, 100 Metadatenfelder für ein Artikelschema und 10 Metadatenfelder für ein Aktionsschema hinzufügen.

  • Wenn Sie ein eigenes Metadatenfeld vom Typ hinzufügenstring, muss es das categorical Attribut oder das textual Attribut enthalten (nur Artikelschemas unterstützen Felder mit dem Textattribut). Andernfalls verwendet Amazon Personalize das Feld beim Trainieren eines Modells nicht.

Reservierte Schlüsselwörter

Reservierte Schlüsselwörter sind optionale Felder, die keine Metadaten sind. Diese Felder gelten als reserviert, da Sie die Felder bei ihrer Verwendung als erforderlichen Datentyp definieren müssen und die Schlüsselwörter nicht als Werte in Ihren Daten verwendet werden können. Reservierte kategoriale Zeichenfolgenfelder müssen auf categorical gesetzt seintrue, während reservierte Zeichenfolgenfelder nicht kategorisch sein können. Die folgenden Schlüsselwörter sind reserviert:

  • EVENT_TYPE: Verwenden Sie für Datensätze mit Artikelinteraktionen mit einem oder mehreren Ereignistypen, z. B. sowohl Klicken als auch Herunterladen, ein EVENT_TYPE Feld. Sie müssen ein TYPE Feld EVENT _ als ein definieren string und es darf nicht als kategorial festgelegt werden.

  • EVENT_VALUE: Verwenden Sie für Datensätze mit Artikelinteraktionen, die Wertdaten für Ereignisse enthalten, z. B. den Prozentsatz eines Videos, das ein Benutzer angesehen hat, ein EVENT_VALUE Feld mit Typ float und optional. null

  • CREATION_TIMESTAMP: Verwenden Sie für Artikel- oder Aktions-Datensätze mit einem Zeitstempel für das Erstellungsdatum jedes Elements ein CREATION_TIMESTAMP Feld mit einem Typ. long Amazon Personalize verwendet CREATION_TIMESTAMP Daten, um das Alter eines Artikels zu berechnen und die Empfehlungen entsprechend anzupassen. Siehe Zeitstempeldaten der Erstellung.

  • IMPRESSION: Verwenden Sie für Datensätze mit Artikelinteraktionen mit expliziten Impressionsdaten ein IMPRESSION Feld mit Typ String und optional Typ. null Impressionen sind Listen von Elementen, die für einen Benutzer sichtbar waren, als er mit einem bestimmten Element interagierte (z. B. darauf klickte oder es sich ansah). Weitere Informationen finden Sie unter Daten zu Eindrücken.

  • RECOMMENDATION_ID: Verwenden Sie für Datensätze mit Artikelinteraktionen, die frühere Empfehlungen als implizite Impressionsdaten verwenden, optional ein RECOMMENDATION_ID Feld mit Typ und optional Typ. String null

    Sie müssen kein RECOMMENDATION_ID Feld für Amazon Personalize hinzufügen, um implizite Impressionen bei der Generierung von Empfehlungen zu verwenden. Sie können eine recommendationId PutEvents Operation auch ohne sie übergeben. Weitere Informationen finden Sie unter Daten zu Eindrücken.

  • VALUE: Wenn Sie für Aktions-Datasets wertvolle Daten für einige oder alle Ihrer Aktionen haben, fügen Sie Ihrem Schema ein VALUE Feld hinzu. Verwenden Sie für seinen Typ long und geben Sie optional einen Typ einnull. Weitere Hinweise zu Aktionen und ihrem Wert finden Sie unterWertdaten.

  • ACTION_ EXPIRATION _TIMESTAMP: Wenn Sie für Aktions-Datasets einen Ablaufzeitstempel für einige oder alle Aktionen haben, fügen Sie Ihrem Schema ein ACTION_EXPIRATION_TIMESTAMP Feld hinzu. Verwenden Sie für seinen Typ long und geben Sie optional den Typ ein. null Weitere Hinweise zu Ablaufzeitstempeln finden Sie unterDaten zum Ablauf der Aktion, Zeitstempel.

  • REPEAT_FREQUENCY: Wenn Sie für Aktions-Datasets Daten zur Wiederholungshäufigkeit einiger oder aller Ihrer Aktionen haben, fügen Sie Ihrem Schema ein REPEAT_FREQUENCY Feld hinzu. Verwenden Sie für seinen Typ long und geben Sie optional den Typ einnull. Weitere Hinweise zu Daten zur Wiederholungshäufigkeit finden Sie unterHäufigkeitsdaten wiederholen.