Trending-Now-Rezept - Amazon Personalize

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.

Trending-Now-Rezept

Das Trending-Now-Rezept (aws-trending-now) generiert Empfehlungen für Artikel, die bei Ihren Benutzern immer beliebter werden. Sie können das Trending-Now-Rezept verwenden, wenn Artikel, die immer beliebter werden, für Ihre Kunden relevanter sind. Beispielsweise könnten Ihre Kunden sehr schätzen, womit andere Benutzer interagieren. Zu den häufigsten Verwendungszwecken gehören die Empfehlung viraler Inhalte in sozialen Medien, aktuelle Nachrichtenartikel oder aktuelle Sportvideos.

Trending-Now identifiziert automatisch die beliebtesten Artikel, indem es die Zunahme der Interaktionen berechnet, die jeder Artikel in konfigurierbaren Zeitintervallen hat. Die Artikel mit der höchsten Steigerungsrate werden als Trendartikel betrachtet. Die Uhrzeit basiert auf Zeitstempeldaten in Ihrem Datensatz mit Artikelinteraktionen. Die betrachteten Artikel stammen aus den Interaktionsdaten, die Sie in großen Mengen und schrittweise importiert haben. Sie müssen keine neue Lösungsversion für Trending-Now manuell erstellen, um neue Elemente in den Interaktionsdaten zu berücksichtigen.

Sie können das Zeitintervall angeben, indem Sie Trend discovery frequency bei der Erstellung Ihrer Lösung ein angeben. Wenn Sie beispielsweise 30 minutes für angebenTrend discovery frequency, identifiziert Amazon Personalize für alle 30 Minuten Daten die Artikel mit der größten Zunahme an Interaktionen seit der letzten Auswertung. Mögliche Häufigkeiten umfassen 30 Minuten, 1 Stunde, 3 Stunden und 1 Tag. Wählen Sie eine Häufigkeit, die der Verteilung Ihrer Interaktionsdaten entspricht. Fehlende Daten über das von Ihnen gewählte Intervall können die Genauigkeit der Empfehlungen verringern. Wenn Sie in den letzten beiden Zeitintervallen keine Interaktionen importieren, empfiehlt Amazon Personalize nur beliebte Artikel anstelle von Trendartikeln.

Mit Trending-Now rufen Sie den GetRecommendations Vorgang auf oder erhalten Empfehlungen auf der Testkampagnenseite der Amazon Personalize Personalize-Konsole. Amazon Personalize gibt die beliebtesten Artikel zurück. Sie geben Ihre Anfrage nur weiter, wenn Sie einen Filter anwenden, der dies erfordert. userId Mit der GetRecommendations API können Sie die Anzahl der mit dem numResults Parameter zurückgegebenen Trendartikel konfigurieren. Mit dem Trending-Now-Rezept können Sie keine Batch-Empfehlungen erhalten.

Um Trending-Now verwenden zu können, müssen Sie einen Datensatz mit Artikelinteraktionen erstellen, der zusammen mindestens 1000 einzigartige historische Interaktionen und Ereignisinteraktionen enthält (nach dem Filtern nach EventType und eventValueThreshold, falls angegeben). Bei der Generierung von Empfehlungen für Trendartikel verwendet Trending-Now keine Daten aus den Datensätzen „Artikel“ oder „Benutzer“. Sie können jedoch weiterhin Empfehlungen auf der Grundlage von Daten in diesen Datensätzen filtern. Weitere Informationen finden Sie unter Empfehlungen und Benutzersegmente filtern.

Das Trending-Now-Rezept hat die folgenden Eigenschaften:

  • Name (Nameaws-trending-now

  • Rezept Amazon-Ressourcenname (ARN)arn:aws:personalize:::recipe/aws-trending-now

  • Algorithmus ARNarn:aws:personalize:::algorithm/aws-trending-now-custom

Weitere Informationen finden Sie unter Ein Rezept wählen.

In der folgenden Tabelle werden die Hyperparameter für das Trending-Now-Rezept beschrieben. Ein Hyperparameter ist ein Algorithmusparameter, den Sie anpassen können, um die Modellleistung zu verbessern. Algorithmus-Hyperparameter steuern die Leistung des Modells. Die Auswahl des besten Werts für einen Hyperparameter wird als Hyperparameteroptimierung (HPO) bezeichnet. Weitere Informationen finden Sie unter Hyperparameter und HPO.

Die Tabelle enthält auch die folgenden Informationen für jeden Hyperparameter:

  • Bereich: [Untergrenze, Obergrenze]

  • Werttyp: Ganzzahl, kontinuierlich (float), kategorisch (boolean, Liste, Zeichenfolge)

  • HPO optimierbar: Kann der Parameter an der Hyperparameteroptimierung (HPO) teilnehmen?

Name Beschreibung
Hyperparameter für die Merkmalstransformation
Trend discovery frequency

Geben Sie an, wie oft Amazon Personalize Ihre Interaktionsdaten auswertet und Trendartikel identifiziert. Wenn Sie 30 minutes beispielsweise Trend discovery frequency angeben, dass Amazon Personalize alle 30 Minuten die Artikel mit der höchsten Steigerungsrate an Interaktionen in 30-minütigen Intervallen identifiziert.

Zu den verfügbaren Frequenzen gehören 30 Minuten, 1 Stunde, 3 Stunden und 1 Tag. Wählen Sie eine Häufigkeit, die der Verteilung Ihrer Interaktionsdaten entspricht. Fehlende Daten über das von Ihnen gewählte Intervall können die Genauigkeit der Empfehlungen verringern. Wenn Sie den CreateSolution API-Vorgang verwenden und keinen Wert angeben, ist der Standardwert alle 2 Stunden.

Standardwert: 2 Stunden

Mögliche Werte: 30 Minuten, 1 Stunde, 3 Stunden und 1 Tag.

Werttyp: Zeichenfolge

HPO-optimierbar: Nein

Der folgende Code zeigt, wie Sie mithilfe des SDK for Python (Boto3) eine Lösung mit dem Trending-Now-Rezept erstellen. Mögliche Werte für trend_discovery_frequency sind30 minutes,, und1 hour. 3 hours 1 day Hinweise zum Erstellen einer Lösung mit der Konsole finden Sie unterEine Lösung erstellen (Konsole).

import boto3 personalize = boto3.client("personalize") create_solution_response = personalize_client.create_solution( name="solution name", recipeArn="arn:aws:personalize:::recipe/aws-trending-now", datasetGroupArn="dataset group ARN", solutionConfig={ "featureTransformationParameters": { "trend_discovery_frequency": "1 hour" } } ) print(create_solution_response['solutionArn'])

Ein Beispiel für ein Jupyter-Notizbuch, das zeigt, wie das Trending-Now-Rezept verwendet wird, finden Sie unter trending_now_example.ipynb im Amazon Personalize Personalize-Beispiel-Repository. GitHub