Rezept für Benutzerpersonalisierung

Schulung einer neuen Lösungsversion mit dem Rezept für Benutzerpersonalisierung (Konsole)

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

2. Erstellen Sie eine benutzerdefinierte Datensatzgruppe mit einem neuen Schema und laden Sie Ihren Datensatz mit Impressionsdaten hoch. Fügen Sie optional CREATION_TIMESTAMP und Unstrukturierte Textmetadaten Daten in Ihren Artikeldatensatz ein, damit Amazon Personalize das Alter eines Artikels genauer berechnen und kalte Artikel identifizieren kann.

   Weitere Informationen zum Importieren von Daten finden Sie unter. Schritt 2: Daten vorbereiten und importieren

3. Wählen Sie auf der Seite Datensatzgruppen die neue Datensatzgruppe aus, die den Datensatz oder die Datensätze mit Impressionsdaten enthält.

4. Wählen Sie im Navigationsbereich Lösungen und Rezepte und anschließend Lösung erstellen aus.

5. Geben Sie auf der Seite Lösung erstellen als Lösungsnamen den Namen Ihrer neuen Lösung ein.

6. Wählen Sie als Lösungstyp die Option Artikelempfehlung aus, um Artikelempfehlungen für Ihre Benutzer zu erhalten.

7. Wählen Sie als Rezept aws-user-personalization. Der Abschnitt Lösungskonfiguration wird angezeigt und bietet mehrere Konfigurationsoptionen.

8. Wenn Ihr Datensatz für Artikelinteraktionen die Spalten EVENT_TYPE oder beide Spalten EVENT_TYPE und EVENT_VALUE enthält, können Sie optional die Felder Ereignistyp und Schwellenwert für Ereigniswert verwenden, um die Artikelinteraktionsdaten auszuwählen, die Amazon Personalize beim Training des Modells verwendet. Weitere Informationen finden Sie unter Auswahl der für das Training verwendeten Artikelinteraktionsdaten.

9. Konfigurieren Sie optional Hyperparameter für Ihre Lösung. Eine Liste der Rezepteigenschaften und Hyperparameter für die Benutzerpersonalisierung finden Sie unter. Eigenschaften und Hyperparameter

10. Wählen Sie Lösung erstellen und trainieren, um mit dem Training zu beginnen. Die Dashboard-Seite wird angezeigt.

    Sie können zur Seite mit den Lösungsdetails navigieren, um den Trainingsfortschritt im Abschnitt Lösungsversionen zu verfolgen. Wenn die Schulung abgeschlossen ist, lautet der Status Aktiv.

Eine Kampagne erstellen und Empfehlungen erhalten (Konsole)

Wenn der Status Ihrer Lösungsversion Aktiv lautet, sind Sie bereit, Ihre Kampagne zu erstellen und Empfehlungen wie folgt zu erhalten:

1. Wählen Sie entweder auf der Seite mit den Lösungsdetails oder der Seite Kampagnen die Option Neue Kampagne erstellen aus.

2. Geben Sie auf der Seite Neue Kampagne erstellen unter Kampagnendetails die folgenden Informationen ein:

   • Kampagnenname: Geben Sie den Namen der Kampagne ein. Der Text, den Sie hier eingeben, wird im Kampagnen-Dashboard und auf der Detailseite angezeigt.

   • Lösung: Wählen Sie die Lösung aus, die Sie gerade erstellt haben.

   • Lösungsversions-ID: Wählen Sie die ID der Lösungsversion, die Sie gerade erstellt haben.

   • Minimale bereitgestellte Transaktionen pro Sekunde: Legen Sie die Mindestanzahl bereitgestellter Transaktionen pro Sekunde fest, die Amazon Personalize unterstützt. Weitere Informationen finden Sie unter dem Vorgang CreateCampaign.

3. Geben Sie für die Campaign-Konfiguration die folgenden Informationen an:

   • Gewichtung der Erkundung: Legen Sie fest, wie viel untersucht werden soll, wobei die Empfehlungen auch Elemente mit weniger Daten zur Interaktion mit Objekten oder Relevanz enthalten, je mehr Erkundungen Sie angeben. Je näher der Wert an 1 liegt, desto mehr Erkundungen. Bei einem Wert von Null findet keine Untersuchung statt und die Empfehlungen basieren auf aktuellen Daten (Relevanz).

   • Mindestalter für das Explorationselement: Geben Sie das maximale Alter des Elements in Tagen seit der letzten Interaktion ein, um den Umfang der Artikelerkundung zu definieren. Um die Anzahl der Artikel zu erhöhen, die Amazon Personalize bei der Erkundung berücksichtigt, geben Sie einen höheren Wert ein.

     Wenn Sie beispielsweise 10 eingeben, werden bei der Erkundung nur Artikel mit Artikelinteraktionsdaten aus den 10 Tagen seit der letzten Interaktion im Datensatz berücksichtigt.

     Anmerkung

     Zu den Empfehlungen können Artikel ohne Artikelinteraktionsdaten von außerhalb dieses Zeitraums gehören. Dies liegt daran, dass diese Elemente für die Interessen des Benutzers relevant sind und keine Untersuchung erforderlich war, um sie zu identifizieren.

4. Wählen Sie Create campaign (Kampagne erstellen).

5. Wenn der Kampagnenstatus auf der Seite mit den Kampagnendetails Aktiv lautet, können Sie die Kampagne verwenden, um Empfehlungen zu erhalten und Impressionen aufzuzeichnen. Weitere Informationen finden Sie Schritt 5: Empfehlungen einholen unter „Erste Schritte“.

   Amazon Personalize aktualisiert Ihre neueste Lösungsversion automatisch alle zwei Stunden, um neue Daten aufzunehmen. Ihre Kampagne verwendet automatisch die aktualisierte Lösungsversion. Weitere Informationen finden Sie unter Automatische Updates.

   Um die Kampagne manuell zu aktualisieren, erstellen und trainieren Sie zunächst mithilfe der Konsole oder der CreateSolutionVersion Operation eine neue Lösungsversion mit der trainingMode Einstellung aufupdate. Anschließend aktualisieren Sie die Kampagne manuell auf der Kampagnenseite der Konsole oder mithilfe des UpdateCampaign Vorgangs.

   Anmerkung

   Amazon Personalize aktualisiert Lösungsversionen, die Sie vor dem 17. November 2020 erstellt haben, nicht automatisch.

So trainieren Sie eine Lösung mit dem Rezept für Benutzerpersonalisierung mithilfe des SDK AWS

1. Erstellen Sie mithilfe der Methode eine neue Lösung. create_solution

   solution nameErsetzen Sie es durch Ihren Lösungsnamen und dataset group arn durch den Amazon-Ressourcennamen (ARN) Ihrer Datensatzgruppe.

   import boto3
   
   personalize = boto3.client('personalize')
   
   print('Creating solution')
   create_solution_response = personalize.create_solution(name = 'solution name', 
                               recipeArn = 'arn:aws:personalize:::recipe/aws-user-personalization', 
                               datasetGroupArn = 'dataset group arn',
                               )
   solution_arn = create_solution_response['solutionArn']
   print('solution_arn: ', solution_arn)

   Eine Liste der aws-user-personalization Rezepteigenschaften und Hyperparameter finden Sie unterEigenschaften und Hyperparameter.

2. Erstellen Sie eine neue Lösungsversion mit den aktualisierten Trainingsdaten und stellen Sie trainingMode die FULL Verwendung des folgenden Codeausschnitts ein. Ersetzen Sie das solution arn durch den ARN Ihrer Lösung.

   import boto3
           
   personalize = boto3.client('personalize')
           
   create_solution_version_response = personalize.create_solution_version(solutionArn = 'solution arn', 
                                                                  trainingMode='FULL')
   
   new_solution_version_arn = create_solution_version_response['solutionVersionArn']
   print('solution_version_arn:', new_solution_version_arn)

3. Wenn Amazon Personalize mit der Erstellung Ihrer Lösungsversion fertig ist, erstellen Sie Ihre Kampagne mit den folgenden Parametern:

   • Geben Sie eine neue campaign name und die in Schritt 2 solution version arn generierte an.

   • Ändern Sie den Hyperparameter für die Konfiguration der explorationWeight Elementsuche, um zu konfigurieren, wie viel untersucht werden soll. Artikel mit weniger Daten zur Artikelinteraktion oder Relevanz werden häufiger empfohlen, je näher der Wert an 1,0 liegt. Der Standardwert ist 0,3.

   • Ändern Sie den Hyperparameter-Parameter für die Konfiguration der explorationItemAgeCutOff Elementsuche, um die maximale Dauer in Tagen im Verhältnis zur letzten Interaktion anzugeben, für die Elemente untersucht werden sollen. Je größer der Wert, desto mehr Elemente werden bei der Untersuchung berücksichtigt.

   Verwenden Sie den folgenden Python-Snippet, um eine neue Kampagne zu erstellen, bei der der Schwerpunkt auf der Erkundung liegt und der Explorationszeitraum bei 30 Tagen liegt. Das Erstellen einer Kampagne dauert normalerweise einige Minuten, kann aber auch über eine Stunde dauern.

   import boto3
           
   personalize = boto3.client('personalize')
   
   create_campaign_response = personalize.create_campaign(
       name = 'campaign name',
       solutionVersionArn = 'solution version arn',
       minProvisionedTPS = 1,
       campaignConfig = {"itemExplorationConfig": {"explorationWeight": "0.3", "explorationItemAgeCutOff": "30"}}
   )
   
   campaign_arn = create_campaign_response['campaignArn']
   print('campaign_arn:', campaign_arn)

   Mit der Benutzerpersonalisierung aktualisiert Amazon Personalize Ihre Lösungsversion automatisch alle zwei Stunden, um neue Daten aufzunehmen. Ihre Kampagne verwendet automatisch die aktualisierte Lösungsversion. Weitere Informationen finden Sie unter Automatische Updates.

   Um die Kampagne manuell zu aktualisieren, erstellen und trainieren Sie zunächst mithilfe der Konsole oder der CreateSolutionVersion Operation eine neue Lösungsversion mit der trainingMode Einstellung aufupdate. Anschließend aktualisieren Sie die Kampagne manuell auf der Kampagnenseite der Konsole oder mithilfe des UpdateCampaign Vorgangs.

   Anmerkung

   Amazon Personalize aktualisiert Lösungsversionen, die Sie vor dem 17. November 2020 erstellt haben, nicht automatisch.

Um Empfehlungen zu erhalten und Impressionen aufzuzeichnen

1. Rufen Sie die get_recommendations-Methode auf. Ändern Sie campaign arn den in den ARN Ihrer neuen Kampagne und user id in die userId des Benutzers.

   import boto3
               
   rec_response = personalize_runtime.get_recommendations(campaignArn = 'campaign arn', userId = 'user id')
   print(rec_response['recommendationId'])             

2. Erstellen Sie einen neuen Event-Tracker zum Senden von PutEvents Anfragen. event tracker nameErsetzen Sie es durch den Namen Ihres Event-Trackers und dataset group arn durch den ARN Ihrer Datensatzgruppe.

   import boto3
           
   personalize = boto3.client('personalize')
   
   event_tracker_response = personalize.create_event_tracker( 
       name = 'event tracker name',
       datasetGroupArn = 'dataset group arn'
   )
   event_tracker_arn = event_tracker_response['eventTrackerArn']
   event_tracking_id = event_tracker_response['trackingId']
   print('eventTrackerArn:{},\n eventTrackingId:{}'.format(event_tracker_arn, event_tracking_id))               
                   

3. Verwenden Sie die recommendationId Anweisungen von Schritt 1 und event tracking id von Schritt 2, um eine neue PutEvents Anfrage zu erstellen. Diese Anfrage protokolliert die neuen Impressionsdaten aus der Benutzersitzung. Ändern Sie user id das in die ID des Benutzers.

   import boto3
               
   personalize_events.put_events(
        trackingId = 'event tracking id',
        userId= 'user id',
        sessionId = '1',
        eventList = [{
        'sentAt': datetime.now().timestamp(),
        'eventType' : 'click',
        'itemId' : rec_response['itemList'][0]['itemId'],        
        'recommendationId': rec_response['recommendationId'],
        'impression': [item['itemId'] for item in rec_response['itemList']],
        }]
   )