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.
Personalisiertes Ranking-V2-Rezept
Das Rezept für personalisiertes Ranking V2 generiert personalisierte Rankings von Artikeln. Ein personalisiertes Ranking ist eine Liste empfohlener Artikel, die nach Relevanz für einen bestimmten Benutzer neu geordnet werden. Dies ist nützlich, wenn Sie über eine Sammlung bestellter Artikel verfügen, z. B. Suchergebnisse, Werbeaktionen oder kuratierte Listen, und Sie für jeden Ihrer Benutzer ein personalisiertes Re-Ranking einrichten möchten.
Personalized-ranking-v2 kann anhand von bis zu 5 Millionen Elementen aus Artikelinteraktionen und Artikeldatensätzen trainiert werden. Und es generiert genauere Rankings mit geringerer Latenz als. Personalisierte Rangfolge
Wenn Sie Personalized-Ranking-v2 verwenden, geben Sie die Elemente an, die in einem Vorgang eingestuft werden sollen. GetPersonalizedRanking API Wenn Sie Artikel ohne Interaktionsdaten angeben, gibt Amazon Personalize diese Artikel ohne Empfehlungspunktzahl in der GetPersonalizedRanking API Antwort zurück.
Dieses Rezept verwendet eine transformatorbasierte Architektur, um ein Modell zu trainieren, das den Kontext lernt und Beziehungen und Muster in Ihren Daten verfolgt. Transformatoren sind eine Art neuronaler Netzwerkarchitektur, die eine Eingabesequenz in eine Ausgabesequenz umwandelt oder ändert. Für Amazon Personalize ist die Eingabesequenz der Artikelinteraktionsverlauf eines Benutzers in Ihren Daten. Die Ausgabesequenz entspricht ihren personalisierten Empfehlungen. Weitere Informationen zu Transformatoren finden Sie unter Was sind Transformatoren in der künstlichen Intelligenz?
Personalized-ranking-v2 verwendet ein anderes Preismodell als andere Rezepte. Weitere Informationen zur Preisgestaltung finden Sie unter Amazon Personalize Personalize-Preise
Funktionen des Rezepts
Personalized-ranking-v2 verwendet die folgenden Rezeptfunktionen von Amazon Personalize, um Artikel zu bewerten:
-
Personalisierung in Echtzeit — Mit der Personalisierung in Echtzeit aktualisiert Amazon Personalize die Artikelempfehlungen und passt sie an das sich entwickelnde Interesse eines Benutzers an. Weitere Informationen finden Sie unter Personalisierung in Echtzeit.
-
Metadaten mit Empfehlungen — Wenn Sie über einen Artikeldatensatz mit mindestens einer Spalte mit Metadaten verfügen, haben Kampagnen mit dem Rezept „Personalized-ranking-v2“ automatisch die Möglichkeit, Artikelmetadaten in die Empfehlungsergebnisse einzubeziehen. Sie müssen Metadaten für Ihre Kampagne nicht manuell aktivieren. Sie können Metadaten verwenden, um Empfehlungen in Ihrer Benutzeroberfläche zu erweitern, z. B. um Genres für Filme zu Karussells hinzuzufügen. Weitere Informationen finden Sie unter Artikelmetadaten in Empfehlungen.
Erforderliche und optionale Datensätze
Um das personalisierte Ranking V2 verwenden zu können, müssen Sie einen Datensatz mit Artikelinteraktionen erstellen und mindestens 1000 Artikelinteraktionen importieren. Amazon Personalize generiert Rankings hauptsächlich auf der Grundlage von Artikelinteraktionsdaten. Weitere Informationen finden Sie unter Daten zur Interaktion mit Artikeln. Personalized-ranking-v2 kann anhand von bis zu 5 Millionen Artikeln anhand von Artikelinteraktionen und Artikeldatensätzen trainiert werden.
Mit Personalized-ranking-v2 kann Amazon Personalize Daten zu Artikelinteraktionen verwenden, die Folgendes beinhalten:
-
Daten zu Ereignistyp und Ereigniswert — Amazon Personalize verwendet Ereignistypdaten wie Klick- oder Beobachtungsereignisse, um anhand von Verhaltensmustern die Absicht und das Interesse von Benutzern zu ermitteln. Außerdem können Sie Daten zu Ereignistypen und Ereigniswerten verwenden, um Datensätze vor dem Training zu filtern. Weitere Informationen finden Sie unter Daten zu Ereignistyp und Ereigniswert.
Anmerkung
Mit Personalized-ranking-v2 basieren deine Trainingskosten auf deinen Interaktionsdaten, bevor du nach Ereignistyp oder Wert filtrierst. Weitere Informationen zur Preisgestaltung finden Sie unter Amazon Personalize Personalize-Preise
. -
Kontextuelle Metadaten — Kontextuelle Metadaten sind Interaktionsdaten, die Sie zum Zeitpunkt eines Ereignisses in der Umgebung des Benutzers sammeln, z. B. dessen Standort oder Gerätetyp. Weitere Informationen finden Sie unter Kontextuelle Metadaten.
Die folgenden Datensätze sind optional und können die Empfehlungen verbessern:
-
Benutzerdatensatz — Amazon Personalize kann Daten in Ihrem Benutzerdatensatz verwenden, um Ihre Benutzer und deren Interessen besser zu verstehen. Sie können auch Daten in einem Benutzerdatensatz verwenden, um Empfehlungen zu filtern. Informationen zu den Benutzerdaten, die Sie importieren können, finden Sie unterBenutzer-Metadaten.
-
Artikeldatensatz — Amazon Personalize kann Daten in Ihrem Artikeldatensatz verwenden, um Zusammenhänge und Verhaltensmuster zu identifizieren. Dies hilft Amazon Personalize, Ihre Benutzer und deren Interessen zu verstehen. Sie können auch Daten in einem Artikeldatensatz verwenden, um Empfehlungen zu filtern. Informationen zu den Artikeldaten, die Sie importieren können, finden Sie unterArtikel-Metadaten.
Eigenschaften und Hyperparameter
Das Rezept für personalized-Ranking-v2 hat die folgenden Eigenschaften:
-
Name (Name –
aws-personalized-ranking-v2 -
Rezept Amazon-Ressourcenname (ARN) —
arn:aws:personalize:::recipe/aws-personalized-ranking-v2 -
Algorithmus ARN —
arn:aws:personalize:::algorithm/aws-personalized-ranking-v2
Weitere Informationen finden Sie unter Ein Rezept wählen.
In der folgenden Tabelle werden die Hyperparameter für das Rezept Personalized-Ranking-V2 beschrieben. Ein Hyperparameter ist ein Algorithmusparameter, den Sie anpassen können, um die Modellleistung zu verbessern. Algorithmus-Hyperparameter steuern die Leistung des Modells. Der Prozess der Auswahl des besten Werts für einen Hyperparameter wird als Hyperparameter-Optimierung () bezeichnet. HPO Wenn Sie bei Personalized-Ranking-v2 die automatische Schulung aktivieren, führt Amazon Personalize automatisch alle 90 Tage eine Schulung durch. HPO Ohne automatisches Training findet kein Training statt. HPO
Die Tabelle enthält die folgenden Informationen für jeden Hyperparameter:
-
Bereich: [Untergrenze, Obergrenze]
-
Werttyp: Ganzzahl, kontinuierlich (float), kategorisch (boolean, Liste, Zeichenfolge)
| Name | Beschreibung |
|---|---|
| Hyperparameter des Algorithmus | |
apply_recency_bias |
Legt fest, ob das Modell den neuesten Artikelinteraktionsdaten in Ihrem Datensatz zu Artikelinteraktionen mehr Gewicht beimessen soll. Die neuesten Interaktionsdaten können plötzliche Änderungen der zugrunde liegenden Muster von Interaktionsereignissen beinhalten. Um ein Modell zu schulen, das aktuelle Ereignisse stärker gewichtet, legen Sie Standardwert: Bereich: Werttyp: Boolescher Wert HPOabstimmbar: Nein |
