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.
Ein Rezept wählen
Wenn Sie eine benutzerdefinierte Lösung erstellen, geben Sie ein Rezept an und konfigurieren die Trainingsparameter. Rezepte sind Amazon Personalize Personalize-Algorithmen, die für bestimmte Anwendungsfälle vorbereitet wurden. Amazon Personalize bietet Rezepte für Trainingsmodelle, die auf gängigen Anwendungsfällen basieren. Wenn Sie eine Lösungsversion für die Lösung erstellen, trainiert Amazon Personalize die Modelle, die die Lösungsversion unterstützen, basierend auf dem Rezept und der Trainingskonfiguration.
In den Rezepten von Amazon Personalize wird beim Training Folgendes verwendet:
-
Vordefinierte Attribute Ihrer Daten
-
Vordefinierte Funktionstransformationen
-
Vordefinierte Algorithmen
-
Anfängliche Parametereinstellungen für die Algorithmen
Um Ihr Modell zu optimieren, können Sie viele dieser Parameter überschreiben, wenn Sie eine Lösung erstellen. Weitere Informationen finden Sie unter Hyperparameter und HPO.
Themen
- Amazon Personalize Sie Rezepttypen nach Anwendungsfall
- Rezepte von Amazon Personalize
- Verfügbare Amazon Personalize Personalize-Rezepte anzeigen
- Rezept für Benutzerpersonalisierung V2
- Rezept für Benutzerpersonalisierung
- Trending-Now-Rezept
- Popularity-Count-Rezept
- Personalisiertes Ranking-V2-Rezept
- Rezept mit personalisiertem Ranking
- Rezept für ähnliche Artikel
- SIMS-Rezept
- Rezept für die nächste beste Aktion
- Item-Affinity-Rezept
- Rezept für Artikelattribute-Affinität
- Ältere HRNN Rezepte
Amazon Personalize Sie Rezepttypen nach Anwendungsfall
Um Ihr Rezept auszuwählen, wählen Sie zunächst Ihren Anwendungsfall aus den folgenden Optionen aus und notieren Sie sich den entsprechenden Rezepttyp.
-
Artikel für Benutzer empfehlen (USER_ PERSONALIZATION Rezepte)
Um Ihren Benutzern personalisierte Empfehlungen zu geben, trainieren Sie Ihr Modell mit einem PERSONALIZATION Rezept von USER _. Personalisierte Empfehlungen tragen zu einer besseren Kundenbindung und Konversionsrate bei.
-
Artikel für einen Nutzer einordnen (PERSONALIZED_ RANKING Rezepte)
Um die Reihenfolge der kuratierten Listen oder Suchergebnisse für Ihre Benutzer zu personalisieren, trainieren Sie Ihr Modell mit einem Rezept von PERSONALIZED _RANKING. PERSONALIZED_ RANKING recipes erstellt eine personalisierte Liste, indem eine Sammlung von Eingabeelementen auf der Grundlage des prognostizierten Interesses für einen bestimmten Benutzer neu geordnet wird. Personalisierte Listen verbessern das Kundenerlebnis und erhöhen die Kundenbindung und das Kundenengagement.
-
Empfehlen von trendigen oder beliebten Artikeln (POPULAR_ ITEMS Rezepte)
Verwende ein _ -Rezept, um trendige oder beliebte Artikel zu empfehlen. POPULAR ITEMS Sie können ein POPULAR _ verwenden, ITEMS wenn Ihre Kunden großen Wert darauf legen, mit was andere Benutzer interagieren. Zu den häufigsten Verwendungszwecken gehören die Empfehlung viraler Inhalte in sozialen Medien, aktuelle Nachrichtenartikel oder aktuelle Sportvideos.
-
Empfehlen ähnlicher Artikel (RELATED_ ITEMS Rezepte)
Um ähnliche Artikel zu empfehlen, z. B. Artikel, die häufig zusammen gekauft wurden, oder Filme, die sich auch andere Nutzer angesehen haben, sollten Sie ein ITEMS Rezept mit RELATED _ verwenden. Das Empfehlen ähnlicher Artikel kann Ihren Kunden helfen, Artikel zu entdecken, und die Konversionsrate der Nutzer erhöhen.
-
Empfehlung der nächstbesten Aktion (PERSONALIZED_ ACTIONS Rezepte)
Um Ihren Benutzern in Echtzeit die nächstbeste Aktion zu empfehlen, z. B. die Registrierung für Ihr Treueprogramm oder die Beantragung einer Kreditkarte, sollten Sie ein ACTIONS Rezept für PERSONALIZED _ verwenden. Wenn Sie die nächstbeste Aktion empfehlen, können Sie die Kundenbindung erhöhen, mehr Umsatz generieren und das Nutzererlebnis verbessern.
-
Benutzersegmente abrufen (USER_ SEGMENTATION Rezepte)
Um Benutzersegmente auf der Grundlage von Artikeleingabedaten zu ermitteln, z. B. Benutzer, die höchstwahrscheinlich mit Elementen mit einem bestimmten Attribut interagieren, sollten Sie das SEGMENTATION Rezept USER _ verwenden. Das Abrufen von Benutzersegmenten kann Ihnen helfen, erweiterte Marketingkampagnen zu erstellen, mit denen verschiedene Artikel in verschiedenen Benutzersegmenten je nach der Wahrscheinlichkeit, dass sie eine Aktion ausführen, beworben werden.
Rezepte von Amazon Personalize
Amazon Personalize bietet die folgenden Arten von Rezepten. Neben verhaltensbedingten Unterschieden gelten für jeden Typ andere Anforderungen, um Empfehlungen zu erhalten, wie aus der folgenden Tabelle hervorgeht.
| Rezepttyp | Rezepte | API | APIAnforderungen |
|---|---|---|---|
| USER_PERSONALIZATION |
Personalisierung durch Benutzer |
GetRecommendations |
|
| POPULAR_ITEMS | GetRecommendations |
|
|
| PERSONALIZED_RANKING | GetPersonalizedRanking |
|
|
| RELATED_ITEMS | GetRecommendations |
|
|
| PERSONALIZED_ACTIONS | GetActionRecommendations |
|
|
| USER_SEGMENTATION | CreateBatchSegmentJob |
Informationen zu den Anforderungen für den Batch-Workflow finden Sie unterBenutzersegmente mit einem Batch-Segment-Job abrufen. |
Verfügbare Amazon Personalize Personalize-Rezepte anzeigen
Anzeigen einer Liste verfügbarer Rezepte:
-
Wählen Sie in der Amazon Personalize Personalize-Konsole eine Datensatzgruppe aus. Wählen Sie im Navigationsbereich Solutions and recipes (Lösungen und Rezepte) und anschließend die Registerkarte Recipes (Rezepte) aus.
-
Mit dem AWS SDK for Python (Boto3), rufen Sie die ListRecipesAPI.
-
Mit dem AWS CLI, verwenden Sie den folgenden Befehl.
aws personalize list-recipes
Um Informationen über ein Rezept zu erhalten, das SDK für Python (Boto3) verwendet, rufen Sie den auf. DescribeRecipe API Um Informationen über ein Rezept mit dem zu erhalten AWS CLI, verwenden Sie den folgenden Befehl.
aws personalize describe-recipe --recipe-arnrecipe_arn
