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 Similar-Items
nota
Todas las recetas RELATED_ITEMS utilizan datos de interacciones. Elija Similar-Items si también tiene metadatos de elementos y quiere que Amazon Personalize los use para buscar elementos similares. O bien, elija Receta SIMS si desea configurar más hiperparámetros para el modelo.
La receta Similar-Items (aws-similar-items) genera recomendaciones para artículos que son similares a un artículo que especifique. Use Similar-Items para ayudar a los clientes a descubrir nuevos elementos en el catálogo en función de su comportamiento anterior y de los metadatos de los elementos. La recomendación de elementos similares puede aumentar la participación de los usuarios, la tasa de clics y la tasa de conversión de su aplicación.
Similar-Items calcula la similitud en función de los datos de interacciones y de cualquier metadato de elemento que proporcione. Tiene en cuenta la coexistencia del elemento en los historiales de los usuarios de su conjunto de datos de interacciones y cualquier similitud en los metadatos del elemento. Por ejemplo, con Similar-Items, Amazon Personalize podría recomendar elementos que los clientes compren con frecuencia juntos con un estilo similar (Metadatos categóricos) o películas que diferentes usuarios también hayan visto con una descripción similar (Metadatos de texto no estructurado).
Con Similar-Items, proporciona un identificador de elemento en una operación GetRecommendations (o en la consola Amazon Personalize) y Amazon Personalize devuelve una lista de elementos similares. También puede usar un flujo de trabajo por lotes para obtener elementos similares para todos los elementos de tu inventario (consulte Obtener recomendaciones de artículos por lotes). Cuando obtenga elementos similares, puede filtrarlos en función de un atributo del elemento que especifique en la solicitud. Para ello, añada un elemento CurrentItem.attribute al filtro. Para ver un ejemplo, consulte item data filter examples.
Para usar Similar-Items, debe crear un conjunto de datos de interacciones de elementos con al menos 1000 interacciones históricas y de eventos únicas (combinadas). Para obtener predicciones más precisas, le recomendamos que también cree un conjunto de datos de elementos e importe metadatos sobre los elementos de su catálogo. Similar-Items no utiliza los datos de un conjunto de datos de usuarios al generar recomendaciones. Aún puede filtrar las recomendaciones en función de los datos de un conjunto de datos de usuarios. Para obtener más información, consulte Recomendaciones de filtrado y segmentos de usuarios.
Si tiene un conjunto de datos de elementos con datos textuales y datos de títulos de elementos, puede generar temas para elementos relacionados en las recomendaciones por lotes. Para obtener más información, consulte Recomendaciones por lotes con temas del Generador de contenidos.
Puede obtener recomendaciones de elementos similares a un elemento inactivo (un elemento con menos de cinco interacciones). Si Amazon Personalize no encuentra el identificador del elemento que especificó en la solicitud de recomendación o en el archivo de entrada del lote, la receta devolverá los elementos populares como recomendaciones.
Después de crear una versión de la solución, asegúrese de mantener la versión y los datos de la solución actualizados. Con Similar-Items, debes crear manualmente una nueva versión de la solución (volver a entrenar el modelo) para que Amazon Personalize tenga en cuenta los nuevos artículos como recomendaciones y actualice el modelo con el comportamiento más reciente de tus usuarios. A continuación, debe actualizar cualquier campaña con la versión de la solución. Para obtener más información, consulte Mantenimiento de la relevancia de las recomendaciones.
Propiedades e hiperparámetros
La receta Similar-Items incluye las siguientes propiedades:
-
Nombre:
aws-similar-items -
Nombre de recurso de Amazon (ARN) de la receta:
arn:aws:personalize:::recipe/aws-similar-items -
ARN del algoritmo:
arn:aws:personalize:::algorithm/aws-similar-items
Para obtener más información, consulte Elección de una receta.
En la siguiente tabla se describen los hiperparámetros de la receta Similar-Items. 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 elección del mejor valor para un hiperparámetro se denomina optimización de hiperparámetros (HPO). Para obtener más información, consulte Hiperparámetros y HPO.
La tabla también proporciona la siguiente información para cada hiperparámetro:
-
Rango: [límite inferior, límite superior]
-
Tipo de valor: número entero, continuo (flotante), categórico (booleano, lista, cadena)
-
HPO ajustable: ¿puede el parámetro participar en HPO?
| Nombre | Descripción |
|---|---|
| Hiperparámetros de algoritmos | |
popularity_discount_factor |
Configure cómo la popularidad influye en las recomendaciones. Especifique un valor cercano a cero para incluir los elementos más populares. Especifique un valor cercano a uno para hacer menos hincapié en la popularidad. Valor predeterminado: 0,0 Rango: [0,0, 1,0] Tipo de valor: flotante HPO ajustable: no |
item_id_hidden_dim |
El número de variables ocultas que Amazon Personalize utiliza para modelar las inserciones de identificadores de elementos en función de los datos de interacciones. Las variables ocultas recrean el historial de compras de los usuarios y las estadísticas de los elementos para generar puntuaciones de clasificación. Para usar Para utilizar HPO, establezca Valor predeterminado: 100 Rango: [30, 200] Tipo de valor: entero HPO ajustable: sí |
item_metadata_hidden_dim |
El número de variables ocultas que Amazon Personalize utiliza para modelar los metadatos de los elementos. Para usar Para utilizar HPO, establezca Valor predeterminado: 100 Rango: [30, 200] Tipo de valor: entero HPO ajustable: sí |
