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.

Amazon Personalize und generative KI

Amazon Personalize funktioniert gut mit generativer künstlicher Intelligenz (generative KI). Amazon Personalize Content Generator kann mithilfe generativer KI den Batch-Empfehlungen für verwandte Artikel ansprechende Themen hinzufügen. Content Generator ist eine generative KI-Funktion, die von Amazon Personalize verwaltet wird.

Sie können auch die Amazon Personalize-Empfehlungen verwenden, um Amazon Personalize in Ihren generativen KI-Workflow zu integrieren und die Benutzererfahrung zu verbessern. Sie können beispielsweise Empfehlungen zu generativen KI-Eingabeaufforderungen hinzufügen, um Marketinginhalte zu erstellen, die auf die Interessen der einzelnen Benutzer zugeschnitten sind. Sie können auch kurze Zusammenfassungen für empfohlene Inhalte erstellen oder Produkte oder Inhalte über Chat-Bots empfehlen.

Das folgende Video zeigt, wie Sie Empfehlungen mit Amazon Personalize und generativer KI verbessern können.

Die folgenden Funktionen von Amazon Personalize verwenden generative KI oder können Ihnen helfen, generative KI-Lösungen zu entwickeln, die personalisierte Inhalte erstellen. Beispiele für Jupyter-Notebooks, die zeigen, wie Amazon Personalize mit generativer KI verwendet wird, finden Sie unter Generative KI mit Amazon Personalize im Amazon Personalize Personalize-Beispiel-Repository.

Empfehlungen mit Themen aus dem Content Generator

Amazon Personalize Content Generator kann den Batch-Empfehlungen beschreibende Themen hinzufügen. Content Generator ist eine generative KI-Funktion, die von Amazon Personalize verwaltet wird.

Wenn Sie Stapelempfehlungen mit Themen erhalten, fügt Amazon Personalize Content Generator für jeden Satz ähnlicher Artikel ein beschreibendes Thema hinzu. Wenn Sie beispielsweise Empfehlungen für ähnliche Artikel für ein Frühstück erhalten, generiert Amazon Personalize möglicherweise ein Thema wie Rise and Shine oder Morning Essentials. Sie könnten das Theme verwenden, um einen generischen Karusselltitel wie „Häufig zusammen gekauft“ zu ersetzen. Oder Sie könnten das Theme in eine Werbe-E-Mail oder eine Marketingkampagne für neue Menüoptionen integrieren.

Um Designs zu generieren, importieren Sie Daten in Artikelinteraktionen und Artikeldatensätze, erstellen eine benutzerdefinierte Lösung mit dem Rezept „Ähnliche Artikel“ und generieren Chargenempfehlungen. Ihre Artikeldaten müssen Artikelbeschreibung und Titelinformationen enthalten. Detaillierte Artikelbeschreibungen und Titel helfen Content Generator dabei, genauere und ansprechendere Themen zu erstellen.

Metadaten für Empfehlungen

Wenn Sie Empfehlungen erhalten, können Sie Amazon Personalize veranlassen, Metadaten zu jedem empfohlenen Artikel aus Ihrem Artikeldatensatz zurückzugeben. Sie können diese Metadaten zusammen mit den Empfehlungen von Amazon Personalize zu Ihren generativen KI-Eingabeaufforderungen hinzufügen, um überzeugendere Inhalte zu generieren.

Beispielsweise könnten Sie generative KI verwenden, um Marketing-E-Mails zu erstellen. Sie können Amazon Personalize und ihre Metadaten, z. B. Filmgenres, als Teil von Prompt Engineering für generative KI verwenden. Mit personalisierten Eingabeaufforderungen können Sie generative KI verwenden, um ansprechende Marketing-E-Mails zu erstellen, die auf die jeweiligen Interessen Ihrer Kunden zugeschnitten sind.

Um Empfehlungsmetadaten zu erhalten, schließen Sie zunächst den Amazon Personalize ab, um Daten zu importieren und Domain- oder benutzerdefinierte Ressourcen zu erstellen. Wenn Sie eine Amazon Personalize Personalize-Empfehlung oder eine Kampagne erstellen, aktivieren Sie die Option, Metadaten in Empfehlungen aufzunehmen. Wenn Sie Empfehlungen erhalten, können Sie angeben, welche Spalten mit Artikeldaten Sie einbeziehen möchten.

Vorkonfigurierter Code LangChain für die Personalisierung

LangChain ist ein Framework für die Entwicklung von Anwendungen, die auf Sprachmodellen basieren. Es enthält Code, der für Amazon Personalize entwickelt wurde. Sie können diesen Code verwenden, um Amazon Personalize in Ihre generative KI-Lösung zu integrieren.

Sie können beispielsweise den folgenden Code verwenden, um Amazon Personalize für einen Benutzer zu Ihrer Kette hinzuzufügen.

from aws_langchain import AmazonPersonalize
from aws_langchain import AmazonPersonalizeChain
from langchain.llms.bedrock import Bedrock

recommender_arn="RECOMMENDER ARN"

bedrock_llm = Bedrock(model_id="anthropic.claude-v2", region_name="us-west-2")
client=AmazonPersonalize(credentials_profile_name="default",region_name="us-west-2",recommender_arn=recommender_arn)
# Create personalize chain
# Use return_direct=True if you do not want summary
chain = AmazonPersonalizeChain.from_llm(
    llm=bedrock_llm, 
    client=client,
    return_direct=False 
)
response = chain({'user_id': '1'})
print(response)