Voraussetzungen für den Einstieg

1. Richten Sie Berechtigungen ein, damit Amazon Personalize in Ihrem Namen auf Ihre Ressourcen zugreifen kann. Dazu gehört die Erstellung einer Servicerolle für Amazon Personalize und die Gewährung des Zugriffs auf Amazon Personalize Personalize-Ressourcen mit einer IAM Richtlinie. Weitere Informationen finden Sie unter Amazon Personalize die Erlaubnis erteilen, auf Ihre Ressourcen zuzugreifen.

2. Bereiten Sie Ihre Trainingsdaten vor und laden Sie die Daten in Ihren Amazon S3 S3-Bucket hoch:

   • Tutorials zu Domain-Datensatzgruppen finden Sie unterErstellung der Trainingsdaten (Domain-Datensatzgruppe).

   • Tutorials zu benutzerdefinierten Datensatzgruppen finden Sie unterDie Trainingsdaten erstellen (Gruppe „Benutzerdefinierter Datensatz“).

3. Erteilen Sie Ihrer Amazon Personalize Personalize-Servicerolle die Erlaubnis, auf Ihre Amazon S3 S3-Ressourcen zuzugreifen, wie unter beschriebenAmazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren.

Um die Trainingsdaten zu erstellen

1. Laden Sie die ZIP-Datei mit Filmeinstufungen herunter und entpacken Sie sie (ml-latest-small.zip) MovieLensvon der für Bildung und Entwicklung empfohlenen Datei (F. Maxwell Harper und Joseph A. Konstan. 2015). Die MovieLens Datensätze: Geschichte und Kontext. ACMTransaktionen auf interaktiven intelligenten Systemen (TII) 5, 4:19:1 — 19:19. https://doi.org/10.1145/2827872).

2. Öffnen Sie die ratings.csv Datei. Diese Datei enthält die Interaktionsdaten für dieses Tutorial.

   1. Löschen Sie die rating-Spalte.

   2. Benennen Sie die movieId Spalten userId und ITEM_ID jeweils in USER_ID und um.

   3. Fügen Sie eine TYPE Spalte EVENT _ hinzu und setzen Sie den Wert für jeden Datensatz aufwatch. Wenn Sie Microsoft Excel verwenden, können Sie das EVENT _ TYPE für jeden Datensatz festlegen, indem Sie es watch in die erste Zelle der Spalte eingeben und dann auf die untere rechte Ecke der Zelle doppelklicken. Ihre Kopfzeile sollte wie folgt aussehen:

      USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE

      Diese Spalten müssen exakt der Abbildung entsprechen, damit Amazon Personalize die Daten erkennt. Die ersten Zeilen Ihrer Daten sollten wie folgt aussehen:

      USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE
      1,1,964982703,watch
      1,3,964981247,watch
      1,6,964982224,watch
      1,47,964983815,watch
      1,50,964982931,watch
      ....
      ....

   Speichern Sie die ratings.csv-Datei.

3. Laden Sie ratings.csv es in Ihren Amazon S3 S3-Bucket hoch. Weitere Informationen finden Sie unter Hochladen von Dateien und Ordnern mithilfe von Drag & Drop im Amazon Simple Storage Service-Benutzerhandbuch.

4. Erteilen Sie Amazon Personalize die Erlaubnis, die Daten im Bucket zu lesen. Weitere Informationen finden Sie unter Amazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren.

1. Laden Sie die ZIP-Datei mit Filmeinstufungen herunter und entpacken Sie sie (ml-latest-small.zip) aus der MovieLensKategorie „Für Bildung und Entwicklung empfohlen“ (F. Maxwell Harper und Joseph A. Konstan. 2015). Die MovieLens Datensätze: Geschichte und Kontext. ACMTransaktionen auf interaktiven intelligenten Systemen (TII) 5, 4:19:1 — 19:19. https://doi.org/10.1145/2827872).

2. Öffnen Sie die ratings.csv Datei. Diese Datei enthält die Interaktionsdaten für dieses Tutorial.

   1. Löschen Sie die rating-Spalte.

   2. Ersetzen Sie die Überschriftenzeile durch Folgendes:

      USER_ID,ITEM_ID,TIMESTAMP

      Diese Header müssen genau den abgebildeten entsprechen, damit Amazon Personalize die Daten erkennt.

   Speichern Sie die ratings.csv-Datei.

3. Laden Sie ratings.csv es in Ihren Amazon S3 S3-Bucket hoch. Weitere Informationen finden Sie unter Hochladen von Dateien und Ordnern mithilfe von Drag & Drop im Amazon Simple Storage Service-Benutzerhandbuch.

4. Erteilen Sie Amazon Personalize die Erlaubnis, die Daten im Bucket zu lesen. Weitere Informationen finden Sie unter Amazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren.