Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Receta de clasificación personalizada V2
Las Personalized-Ranking-v 2 recetas generan clasificaciones personalizadas de los artículos. Una clasificación personalizada es una lista de artículos recomendados que se reclasifican según su relevancia para un usuario específico. Resulta útil si tiene una colección de elementos pedidos, como resultados de búsqueda, promociones o listas seleccionadas, y quiere ofrecer una nueva clasificación personalizada para cada uno de sus usuarios.
Personalized-Ranking-v2 puede procesar hasta 5 millones de elementos a partir de interacciones entre elementos y conjuntos de datos de elementos. Y genera clasificaciones más precisas con una latencia menor quePersonalized-Ranking.
Cuando usas Personalized-Ranking-v 2, especificas los elementos que se van a clasificar en una GetPersonalizedRanking API operación. Si especificas artículos sin datos de interacciones, Amazon Personalize los devolverá sin una puntuación de recomendación en la GetPersonalizedRanking API respuesta.
Esta receta utiliza una arquitectura basada en transformadores para entrenar un modelo que aprende el contexto y rastrea las relaciones y los patrones de los datos. Los transformadores son un tipo de arquitectura de red neuronal que transforma o cambia una secuencia de entrada en una secuencia de salida. En el caso de Amazon Personalize, la secuencia de entrada es el historial de interacciones entre los artículos de un usuario en sus datos. La secuencia de salida son sus recomendaciones personalizadas. Para obtener más información sobre los transformadores, consulte ¿Qué son los transformadores en la inteligencia artificial?
Personalized-Ranking-v2 utiliza un modelo de precios diferente al de otras recetas. Para obtener más información sobre los precios, consulta los precios de Amazon Personalize
Temas
Características de la receta
Personalized-ranking-v2 utiliza las siguientes funciones de recetas de Amazon Personalize al clasificar los artículos:
-
Personalización en tiempo real: con la personalización en tiempo real, Amazon Personalize actualiza y adapta las recomendaciones de artículos en función de la evolución del interés del usuario. Para obtener más información, consulte Personalización en tiempo real.
-
Metadatos con recomendaciones: con la fórmula Personalized-Ranking-v 2, si tienes un conjunto de datos de artículos con al menos una columna de metadatos, las campañas tienen automáticamente la opción de incluir los metadatos de los artículos en los resultados de las recomendaciones. No tienes que activar manualmente los metadatos de tu campaña. Puede usar metadatos para enriquecer las recomendaciones de la interfaz de usuario, por ejemplo, agregar los géneros de las películas a los carruseles. Para obtener más información, consulte Metadatos de los artículos en las recomendaciones.
Conjuntos de datos obligatorios y opcionales
Para usar los Personalized-Ranking-v 2, debes crear un conjunto de datos de interacciones entre elementos e importar un mínimo de 1000 interacciones entre elementos. Amazon Personalize genera clasificaciones basadas principalmente en los datos de interacción de los artículos. Para obtener más información, consulte Datos de interacciones de elementos. Personalized-Ranking-v2 puede procesar hasta 5 millones de artículos a través de las interacciones entre los artículos y los conjuntos de datos de los artículos.
Con Personalized-Ranking-v 2, Amazon Personalize puede utilizar los datos de interacciones entre artículos, entre los que se incluyen los siguientes:
-
Datos de tipo de evento y valor del evento: Amazon Personalize utiliza datos de tipo de evento, como los tipos de eventos de clic o visualización, para identificar la intención y el interés de los usuarios a través de cualquier patrón de comportamiento. Además, puede utilizar los datos sobre el tipo y el valor del evento para filtrar los registros antes del entrenamiento. Para obtener más información, consulte Datos de valor de evento y tipo de evento.
nota
Con Personalized-Ranking-v 2, el coste de la formación se basa en los datos de las interacciones antes de filtrarlos por tipo o valor del evento. Para obtener más información sobre los precios, consulta los precios de Amazon Personalize
. -
Metadatos contextuales: los metadatos contextuales son datos de interacciones que se recopilan en el entorno del usuario en el momento de un evento, como su ubicación o el tipo de dispositivo. Para obtener más información, consulte Metadatos contextuales.
Los siguientes conjuntos de datos son opcionales y pueden mejorar las recomendaciones:
-
Conjunto de datos de usuarios: Amazon Personalize puede usar los datos de su conjunto de datos de usuarios para comprender mejor a sus usuarios y sus intereses. También puede usar los datos de un conjunto de datos de usuarios para filtrar las recomendaciones. Para obtener información sobre los datos de usuario que puede importar, consulte Metadatos de usuario.
-
Conjunto de datos de artículos: Amazon Personalize puede usar los datos de su conjunto de datos de artículos para identificar conexiones y patrones en su comportamiento. Esto ayuda a Amazon Personalize a entender a los usuarios y sus intereses. También puede usar los datos de un conjunto de datos de artículos para filtrar las recomendaciones. Para obtener información sobre los datos de elementos que puede importar, consulte Metadatos del artículo.
Propiedades e hiperparámetros
La receta Personalized-Ranking-v 2 tiene las siguientes propiedades:
-
Nombre:
aws-personalized-ranking-v2 -
Nombre del recurso de Amazon de la receta (ARN) —
arn:aws:personalize:::recipe/aws-personalized-ranking-v2 -
Algoritmo ARN —
arn:aws:personalize:::algorithm/aws-personalized-ranking-v2
Para obtener más información, consulte Elección de una receta.
En la siguiente tabla se describen los hiperparámetros de la receta Personalized-Ranking-v 2. Un hiperparámetro es un parámetro de algoritmo que se puede ajustar para mejorar el rendimiento del modelo. Los hiperparámetros de algoritmos controlan el rendimiento del modelo. El proceso de elegir el mejor valor para un hiperparámetro se denomina optimización de hiperparámetros (). HPO Con Personalized-Ranking-v 2, si activas el entrenamiento automático, Amazon Personalize se ejecuta automáticamente HPO cada 90 días. Sin un entrenamiento automático, no HPO ocurre nada.
La tabla proporciona la siguiente información para cada hiperparámetro:
-
Rango: [límite inferior, límite superior]
-
Tipo de valor: número entero, continuo (flotante), categórico (booleano, lista, cadena)
| Nombre | Descripción |
|---|---|
| Hiperparámetros de algoritmos | |
apply_recency_bias |
Determina si el modelo debe dar más peso a los datos de interacciones entre elementos más recientes de su conjunto de datos de interacciones entre elementos. Los datos de interacciones más recientes pueden incluir cambios repentinos en los patrones subyacentes de los eventos de interacción. Para entrenar un modelo que tenga más peso sobre los eventos recientes, establezca Valor predeterminado: Rango: Tipo de valor: booleano HPOajustable: No |
